MétaCan
Menu
Retour à la cohorte
Enregistrement W2465054536 · doi:10.1111/ijfs.13166

Impact of household food processing strategies on antinutrient (phytate, tannin and polyphenol) contents of chickpeas (<i><scp>C</scp>icer arietinum </i><scp>L</scp>.) and beans (<i><scp>P</scp>haseolus vulgaris </i><scp>L</scp>.): a review

2016· review· en· W2465054536 sur OpenAlexaff
Hiwot Abebe Haileslassie, Carol J. Henry, Robert T. Tyler

Notice bibliographique

RevueInternational Journal of Food Science & Technology · 2016
Typereview
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePhytase and its Applications
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésAntinutrientTanninFood sciencePolyphenolGerminationPhytic acidBioavailabilityNutrientChemistryBiologyBotanyAntioxidantBiochemistry

Résumé

récupéré en direct d'OpenAlex

Summary Pulses, which include beans and chickpeas, are major constituents of the human diet. They are important sources of energy and nutrients, particularly protein, folate and minerals. However, they also contain antinutrients which bind minerals, mainly iron and zinc, rendering them less bioavailable or unavailable for absorption. The levels of these antinutrients may be reduced by food processing techniques such as soaking and germination. Researchers have used these techniques in a number of studies; however, there is no consensus regarding the optimum processing conditions for reduction in the levels of these antinutrients. Thus, this review was conducted to describe the results of studies on soaking and germination of chickpeas and beans. A systematic search was carried out utilising Food Science and Technology Abstracts (FSTA) (1969 to present), Web of Science (1899 to present) and Scopus (1823 to present). A total of thirty‐three articles were reviewed. Both soaking and germination resulted in significant but variable degrees of reduction in levels of antinutrients in most studies.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0040,004
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,039
Tête enseignante GPT0,304
Écart entre enseignants0,265 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations32
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Food Science & TechnologyMême sujetPhytase and its ApplicationsTravaux en français237 207