Glycemic Responses and Sensory Characteristics of Whole Yellow Pea Flour Added to Novel Functional Foods
Notice bibliographique
Résumé
A fundamental understanding regarding postprandial glycemic responses to foods containing whole yellow-pea flour (WYPF) remains unknown. This, alongside concerns that WYPF possesses unfavorable sensory characteristics has limited the incorporation of WYPF into new functional food products as a healthy novel ingredient. The objective of this study was to evaluate how WYPF modulates postprandial glycemic responses as well as sensory characteristics in novel foods. In a single-blind crossover trial, the present study assessed postprandial glycemic responses of banana bread, biscotti, and spaghetti containing either WYPF or whole wheat flour (WWF). Boiled yellow peas (BYP) and white bread (WB) were used as positive and negative controls, respectively. On day 1, subjects evaluated appearance, taste, texture, smell as well as overall acceptance of each WYPF and WWF food on a 5-point hedonic scale. WYPF banana bread (97.9 +/- 17.8 mmol x min/L) and biscotti (83 +/- 13 mmol x min/L), as well as BYP (112.3 +/- 19.9 mmol x min/L), reduced (P < 0.05) glycemic responses compared to WB (218.1 +/- 29.5 mmol x min/L). The glycemic response of WYPF pasta (160.7 +/- 19.4 mmol x min/L) was comparable to WB. WYPF biscotti produced a lower (P = 0.019) postprandial glycemic response compared to WWF biscotti (117.2 +/- 13.1 mmol x min/L). Hedonic responses between corresponding foods were similar except for the WYPF pasta (2.9 +/- 0.9) which possessed a lower sensory score (P = 0.02) for smell compared to WWF pasta (3.6 +/- 1). WYPF can be used to produce low-glycemic functional foods possessing sensory attributes that are comparable to identical food products containing WWF.
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 | 0,001 | 0,000 |
| 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 ».