MétaCan
Menu
Retour à la cohorte
Enregistrement W2507705254 · doi:10.4236/fns.2016.710089

Shrinkage and Density Change of De-Boned Chicken Breast during Deep-Fat Frying

2016· article· en· W2507705254 sur OpenAlexafffund
Lamin S. Kassama, Michael Ngadi

Notice bibliographique

RevueFood and Nutrition Sciences · 2016
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueMeat and Animal Product Quality
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésShrinkageChicken breastChemistryFood scienceMoisturePetroleum etherBulk densityDeep fryingExtraction (chemistry)ChromatographyComposite materialMaterials scienceBiology

Résumé

récupéré en direct d'OpenAlex

The effects of frying oil temperature (FOT) and time on densities and shrinkage in chicken breast meat during deep-fat frying were investigated. De-boned Chicken breast samples were diced and fried at different FOT (170℃, 180℃, and 190℃) in an industrial fryer for periods varying from 5 to 900 s. Bulk and apparent densities were determined with a fluid displacement pycnometer, and fat analysis was conducted using soxhlet extraction with petroleum ether solvent. The physical structure of chicken meat changed significantly with the frying time and FOT (P 3 in the raw product and decreased to 0.98, 0.95, and 0.93 g/cm3 after 900 s of deep-frying at 170℃, 180℃ and 190℃, respectively. Similarly, apparent density changed from 1.13 to 1.25, 1.24 and 1.22 g/cm3 and moisture loss was linearly correlated with both densities. Volumetric shrinkage was significantly (P < 0.05) affected by the process variables and hence a linear correlation also existed with moisture loss. The rates of shrinkage were 0.013, 0.001, and 0.008/s and occurred rapidly during the first 90s of FOT (170℃, 180℃, and 190℃), respectively and decreased as frying time increased.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,839
Score d'incertitude au seuil0,234

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,056
Tête enseignante GPT0,249
Écart entre enseignants0,192 · 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

Citations11
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFood and Nutrition SciencesMême sujetMeat and Animal Product QualityTravaux en français237 207