MétaCan
Menu
Retour à la cohorte
Enregistrement W2120870360 · doi:10.5539/jfr.v3n6p1

Properties of Amaranth Flour With Functional Oat Products

2014· article· en· W2120870360 sur OpenAlexvenueno aff
George E. Inglett, Diejun Chen, Sean Liu

Notice bibliographique

RevueJournal of Food Research · 2014
Typearticle
Langueen
DomaineNursing
ThématiqueFood composition and properties
Établissements canadiensnon disponible
Organismes subventionnairesU.S. Department of Agriculture
Mots-clésAmaranthFood scienceRheologyChemistryMaterials scienceComposite material

Résumé

récupéré en direct d'OpenAlex

Amaranth flour (Salvia hispanica L.), gluten free and rich in essential amino acids, was composited with oat functional products containing ?-glucan known for lowering blood cholesterol and preventing heart disease. The objective of this research was to study the pasting and rheological properties of amaranth flour interacted with functional oat products using Rapid Visco Analyzer followed by an advanced rheometer. The initial peak viscosities of amaranth-Nutrim (oat bran hydrocolloids) and amaranth-OBC (oat bran concentrate) composites were increased with higher Nutrim and OBC contents. The final pasting viscosities of amaranth-OBC composites were increased significantly with higher OBC contents while amaranth-Nutrim composites showed colloidal gel properties similar to Nutrim. On other hand, amaranth interacted with oat bran concentrate displayed the highest rheological solid properties as elastic gels. Shear thinning properties were observed for all the interactions between amaranth flour and functional oat products. The improved water holding capacities were found for interacted compositions with Nutrim and oat bran concentrate compared to amaranth flour. These amaranth flour and oat products compositions demonstrated improved nutritional value and texture qualities for functional food applications.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,134
Tête enseignante GPT0,309
Écart entre enseignants0,174 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Food ResearchMême sujetFood composition and propertiesTravaux en français237 207