MétaCan
Menu
Retour à la cohorte
Enregistrement W2401363767 · doi:10.5539/jfr.v5n3p92

Meat Colour Stability and Fatty Acid Profile in Commercial Bison and Beef

2016· article· en· W2401363767 sur OpenAlexaffvenue
J. K. Galbraith, J. L. Aalhus, M. Juárez, M.E.R. Dugan, I. L. Larsen, Noelia Aldai, L. A. Goonewardene, E. K. Okine

Notice bibliographique

RevueJournal of Food Research · 2016
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueMeat and Animal Product Quality
Établissements canadiensUniversity of AlbertaAgriculture and Agri-Food CanadaAgriculture Food and Rural Development
Organismes subventionnairesnon disponible
Mots-clésTBARSMetmyoglobinFood sciencePolyunsaturated fatty acidIntramuscular fatComposition (language)ChemistryBeef cattleFatty acidAnimal scienceVitaminBiologyAntioxidantLipid peroxidationBiochemistry

Résumé

récupéré en direct d'OpenAlex

Commercial bison meat has been found to discolour more rapidly than beef in retail display. The influence of fat content, fat composition and vitamin E on the colour stability of commercially produced bison and beef were examined. Longissimus samples from grain-fed beef (n = 20) and grass-fed bison (n = 14) were analyzed for fat content, fatty acid composition, vitamin E levels, pigments, TBARS and retail stability. Intramuscular fat content was lower and richer in PUFA in bison (P < 0.01) compared to beef. Pigment and TBARS levels in bison were significantly higher (P < 0.01), leading to higher (P < 0.01) metmyoglobin levels. Regression analysis results showed that differences in total fat content and fatty acid composition were the most responsible factors for early discolouration of commercial bison meat compared to commercial beef. In conclusion, total fat and fatty acid composition can be manipulated to improve the colour stability of bison meat.

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 enseignants0,005
Score d'incertitude au seuil0,011

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
Bibliométrie0,0010,000
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)0,0010,000

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 Opus0,211
Tête enseignante GPT0,365
Écart entre enseignants0,154 · 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

Citations8
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Food ResearchMême sujetMeat and Animal Product QualityTravaux en français237 207