MétaCan
Menu
Retour à la cohorte
Enregistrement W2137664020 · doi:10.3844/ajabssp.2011.486.510

Meat Spoilage Mechanisms and Preservation Techniques: A Critical Review

2011· review· en· W2137664020 sur OpenAlexfundno aff
Mutwakil

Notice bibliographique

RevueAmerican Journal of Agricultural and Biological Sciences · 2011
Typereview
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueMeat and Animal Product Quality
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésFood spoilageMeat spoilageFood scienceShelf lifeFlavorSaltingMeat packing industryTendernessBacterial growthBiologyChemistryBacteria

Résumé

récupéré en direct d'OpenAlex

Problem statement: Extremely perishable meat provides favorable growth condition for various microorganisms.Meat is also very much susceptible to spoilage due to chemical and enzymatic activities.The breakdown of fat, protein and carbohydrates of meat results in the development of off-odors, off-flavor and slim formation which make the meat objectionable for human consumption.It is, therefore, necessary to control meat spoilage in order to increase its shelf life and maintain its nutritional value, texture and flavor.Approach: A comprehensive literature review was performed on the spoliage mechanisms of meat and meat products and preservation techniques.Results: Historical data reveals that salting, drying, smoking, fermentation and canning were the traditional methods used to prevent meat spoilage and extend its shelf life.However, in order to prevent wholesomeness, appearance, composition, tenderness, flavor, juiciness, and nutritive value, new methods were developed.These included: cooling, freezing and chemical preservation.Wide range of physical and chemical reactions and actions of microorganisms or enzymes are responsible for the meat spoilage.Microbial growth, oxidation and enzymatic autolysis are three basic mechanisms responsible for spoilage of meat.Microbial growth and metabolism depends on various factors including: pre-slaughter husbandry practices, age of the animal at the time of slaughtering, handling during slaughtering, evisceration and processing, temperature controls during slaughtering, processing and distribution, preservation methods, type of packaging and handling and storage by consumer.Microbial spoilage causes pH change, slime formation, structural components degradation, off odors and appearance change.Autoxidation of lipids and the production of free radicals are natural processes which affect fatty acids and lead to oxidative deterioration of meat and off-flavour development.Lipid hydrolysis can take place enzymatically or non-enzymatically in meat.In muscle cells of slaughtered animals, enzymatic actions are taken place naturally and they act as catalysts for chemical reactions that finally end up in meat self deterioration.Softening and greenish discoloration of the meat results due to tissues degradation of the complex compounds (carbohydrates, fats and protein) in the autolysis process.Conclusion: Microbial, chemical and enzymatic activities can be controlled by low temperature storage and chemical techniques in the industry.Proper handling, pretreatment and preservation techniques can improve the quality of meat and meat products and increase their shelf life.Combination of chemical additives (TBHQ and ascorbic acid) and low temperature storage (5°C) in darkness are well recognized techniques for controlling the spoilage (microbial, enzymatic and oxidative) of meat and meat products.Understanding of the intrinsic factors and extrinsic factors at every meat processing stage (from preslaughtering to meat product development) is necessary before developing proper handling, pretreatment and preservation techniques for meat.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0060,005
Études des sciences et des technologies0,0010,001
Communication savante0,0020,003
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,163
Tête enseignante GPT0,337
Écart entre enseignants0,173 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations526
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Agricultural and Biological SciencesMême sujetMeat and Animal Product QualityTravaux en français237 207