MétaCan
Menu
Retour à la cohorte
Enregistrement W2338160501 · doi:10.20286/nova-jmbs-03035

Microbiological Properties of Cows Meat Dehydrated Using Solar-Drying, Sun-Drying and Oven Drying

2014· article· en· W2338160501 sur OpenAlexvenueno aff
Mohamed A. Talib, Azmy Hj. Mohamed, K. Ngargueudedjim

Notice bibliographique

RevueNova Journal of Medical and Biological Sciences · 2014
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueMeat and Animal Product Quality
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFood scienceVacuum dryingFreeze-dryingChemistryChromatography

Résumé

récupéré en direct d'OpenAlex

Meat samples were dipped in three different concentrations (2, 4 and 8 %) of sodium chloride combined with 120ppm sodium nitrite and 300ppm ascorbic acid for 30 minutes at room temperature (30°C). Meat samples were then separated into two equal batches and dried by two methods (solar or oven drying) of dehydration. Untreated meat samples were used as control and dried by sun-drying. Dehydrated meat samples were kept in plastic containers for two months at room temperature. Meat samples were taken after drying and during storage for microbiological (total plate count, coliforms / faecal coliforms, Staphylococci and molds and yeasts counts) analyses. Results showed that meat strips dipped in NaCl combined with preservatives decreased gradually log No/ g. The methods of drying were found to have a significant effect on decreasing microbial count and were higher in oven followed by solar and sun-drying. Both solar and oven drying were found to be better than sun-drying but due to energy cost solar-drying could be considered the best.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,347
Score d'incertitude au seuil0,627

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,193
Tête enseignante GPT0,303
Écart entre enseignants0,110 · 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 tête enseignante, 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

Citations1
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNova Journal of Medical and Biological SciencesMême sujetMeat and Animal Product QualityTravaux en français237 207