Nutritional quality and sensory acceptability of complementary food blended from maize (<i>Zea mays</i>), roasted pea (<i>Pisum sativum</i>), and malted barley (<i>Hordium vulgare</i>)
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract The aim of this study was to evaluate the effect of blending ratio of malted barley, maize, and roasted pea flour on complementary food quality and sensory acceptability. D‐ Optimal mixture design was used to generate 14 formulations. Each ingredient had 55–90% maize, 20–35% pea and 4–12% malted barley. Pretreatments like debranning of maize, roasting of pea and dehusking of malted barley were done. The three component‐constrained mixture design was conducted using Design‐Expert ® 6 (Stat‐Ease). Ash, protein, fat, fiber, moisture, and carbohydrate contents were found in between range of 1.5–2.5%, 13.0–18.5%, 1.8–2.5%, 3.06–4.45%, 5.0–6.5%, and 68.9–74.1%, respectively. Significant difference ( P < 0.05) among the treatments was observed for protein, moisture, odor, flavor and sensory overall acceptability. Lack‐of‐fit was significantly different only for fat ( R 2 = 0.90). Thus, the model generated can predict all attributes except for fat. The optimum values of high nutrient content and sensory acceptability were observed in the range of 55.0–68.5%, 27.5–35.0%, and 4.0–10.0% for maize, pea, and malted barley 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.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| 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 découle