Sensory and Textural Evaluation of Gluten-Free Bread Substituted With Amaranth and Montina™ Flour
Notice bibliographique
Résumé
<p>The objective of this study was to develop a nutrient-dense gluten-free bread (GFB) using either amaranth or Montina™ flour in a standardized gluten-free lean breadrecipe for the purpose of comparing the nutritional, sensory, and objective qualities of the developed breads to a commercially-marketed GFB. Participants (n=222)included individuals who typically eat a gluten-free diet and those who eat a non-restricted diet. The non-restricted diet group was used to assess product acceptability in the general population and to determine product marketability among those without gluten restrictions. Nutritionally, both developed breads provided at least 26% more iron than the commercial GFB and <span style="text-decoration: underline;">&gt;</span><span style="text-decoration: underline;"> </span>40% more fiber while the amaranth bread provided twice as much folate. Significant differences (p &lt; 0.05) in sensory attributes (appearance, texture, flavor, tenderness, and overall acceptability) of both amaranth- and Montina™-based breads were not reported between the groups. Based on sensory scores using a 9-point Hedonic scale, the commercial GFB was preferred over either developed bread and the Montina™-based bread was preferred over the amaranth-based bread. Significant differences in bread hardness were not detected among the tested GFB, yet commercial GFB slices exhibited the largest and most consistent cell size throughout. Results suggest that amaranth and Montina™ flours assist in improving the nutritional quality of GFB, yet additional testing is needed to assist in formulation modifications of this standardized lean bread recipe in order to produce a product similar in sensory qualities to commercially-marketed GFB.</p>
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».