Effects of Early Post-Mortem Rate of pH fall and aging on Tenderness and Water Holding Capacity of Meat from Cull Dairy Holstein-Friesian Cows
Notice bibliographique
Résumé
Fast or slow muscle pH fall may give unacceptable purge losses or tough meat, depending much on concomitant evolution of muscle temperature early post-mortem, costing millions of euros to the meat industry. Tenderness and purge losses of Longissimus thoracis/lumborum (LTL) and Gluteus medius (Gm) sampled from cull dairy cows differing in production status (10 lactating vs. 22 dried off) and aging time, were evaluated regarding different rates of pH2 fall. Shear force related to pH2 was dependent on muscle and aging time. The intermediate glycolysis led to lower shear force in LTL, while the faster produced best quality in Gm. Purge was influenced by pH2 (P=0.0077), aging (P<0.0001) and muscle*pH2 interaction (P<0.0001). Aging affected thawing (P<0.0001), grilling (P=0.0004) and overall losses (P<0.0001). Under the ruled chilling regime, the fast pH fall in Gm and the slow pH fall in LTL approached out of the ideal pH6/temperature limits, being compatible with heat and cold shortening, respectively.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».