Pale, soft, and exudative poultry meat—Reviewing ways to manage at the processing plant
Notice bibliographique
Résumé
This review focuses on ways the industry can currently deal with pale, soft, and exudative (PSE) poultry meat. Overall, the rapid increase in poultry meat consumption and the move toward selling more cut-up parts have resulted in some complaints associated with meat quality. Because no genetic marker related to PSE in poultry used by breeders has yet been identified, processors can employ several pre- and postrigor strategies to minimize the magnitude of the problem. They include reducing stress before slaughter (e.g., during catching, transportation, waiting period, unloading) and during stunning (gas vs. electrical). Later, there is a need to better understand and adjust processing conditions such as electrical stimulation, chilling rate, and maturation. When dealing with cut-up parts or deboned meat, strategies such as identifying and separating PSE meat, diverting it to no or low moisture-added products, and including additives to compensate for the poor water holding and texture can be beneficial. The potential contribution of ingredients such as starches (regular, modified), carrageenans, and enzymes is discussed. When it comes to formed products (e.g., nuggets), gentle brine addition and the use of low-pressure forming equipment can also help to minimize the effects of using PSE 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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».