MétaCan
Menu
Retour à la cohorte
Enregistrement W2171421978 · doi:10.1111/j.1745-4573.2007.00066.x

A MODIFIED MEAT JUICE CONTAINER (EZ‐DRIPLOSS) PROCEDURE FOR A MORE RELIABLE ASSESSMENT OF DRIP LOSS AND RELATED QUALITY CHANGES IN PORK MEAT

2007· article· en· W2171421978 sur OpenAlexafffund
J. A. Correa, S. Méthot, L. Faucitano

Notice bibliographique

RevueJournal of Muscle Foods · 2007
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueMeat and Animal Product Quality
Établissements canadiensAgriculture and Agri-Food CanadaF. Ménard (Canada)
Organismes subventionnairesAgriculture and Agri-Food Canada
Mots-clésMathematicsSample (material)Food scienceQuality (philosophy)LongissimusQuality assessmentReliability (semiconductor)Environmental scienceStatisticsChemistryAnimal scienceEvaluation methodsBiologyChromatographyPhysicsEngineeringReliability engineering

Résumé

récupéré en direct d'OpenAlex

ABSTRACT The objective of this study was to assess the efficiency of a modified sample handling technique within the “meat juice container (EZ‐DripLoss)” method for drip loss (DL) assessment. To this end, samples were stored for 48 h and dabbed prior to recording sample weight loss after storage instead of being stored for 24 h and nondabbed as recommended in the conventional EZ‐DripLoss method. Ninety‐six pork m. longissimus samples were used. DL value for dabbed samples was higher (P < 0.0001) at both storage time compared with nondabbed samples. Highest correlations were observed between DL and electrical conductivity (r = 0.76) and the lowest with pHu (r = −0.37) in dabbed samples at 48‐h storage time. Highest correlations between DL and subjective color and light reflectance value (r = −0.59 and 0.67, respectively) were found in dabbed samples after 24‐h storage. Longer storage time and sample dabbing improved the reliability of the EZ‐DripLoss methodology for the DL assessment and overall pork quality evaluation. PRACTICAL APPLICATIONS The EZ‐DripLoss method is included in the routine measurements for pork quality evaluation in several plants in North America. However, the official methodology is questionable due to the short storage time and inaccurate sample handling. Based on the higher correlations with other important quality traits and the more accurate distribution of ioins through the quality classes according to the drip loss value, the modified EZ‐DripLoss method proposed in this paper will allow the users to implement an effective drip loss assessment and overall pork quality prediction both at the cutting plant and at the laboratory.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,062
Tête enseignante GPT0,331
Écart entre enseignants0,269 · 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
GenreMéthodes

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

En bref

Citations72
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Muscle FoodsMême sujetMeat and Animal Product QualityTravaux en français237 207