MétaCan
Menu
Retour à la cohorte
Enregistrement W2162939932 · doi:10.5539/jfr.v2n4p11

Effect of High Pressure Processing on Color and Textural Properties of Eggs

2013· article· en· W2162939932 sur OpenAlexafffundvenue
Ajaypal Singh, Hosahalli S. Ramaswamy

Notice bibliographique

RevueJournal of Food Research · 2013
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMicrobial Inactivation Methods
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaInnovative Research Group Project of the National Natural Science Foundation of China
Mots-clésEgg whiteYolkChemistryFactorial experimentFood scienceColor differencePascalizationTexture (cosmology)Animal scienceHigh pressureBiologyMathematics

Résumé

récupéré en direct d'OpenAlex

Effect of high pressure processing (HPP) on physicochemical characteristics like color and texture of whole liquid egg (WLE), egg white (EW) and egg yolk (EY) were evaluated. A full factorial design involving several pressure levels (600-900 MPa) and treatment time (0-15 min) was employed for this study and the high pressure treatment were given in a temperature and pressure controlled pilot scale HP unit. HPP caused significant changes in various physic-chemical properties in various egg components. Use of pressure levels > 600 MPa resulted in formation of solid gels for all components of eggs. Pressure induced gels were soft and highly elastic. Hardness and cohesiveness of all egg components were found to increase (p < 0.05) with increase in treatment intensity, and increase in EY was higher than in other egg components. The springiness of WLE increased with pressure and treatment time and were higher than in EW and EY. Color changes as indicated by the total color difference (?E) showed a significant (p < 0.05) increase with an increase in pressure level and treatment time.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

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)0,0020,000

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 Opus0,044
Tête enseignante GPT0,387
Écart entre enseignants0,343 · 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'étudeExpérimental (laboratoire)
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

Citations43
Publié2013
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Food ResearchMême sujetMicrobial Inactivation MethodsTravaux en français237 207