Effects of Organogel Hardness and Formulation on Acceptance of Frankfurters
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
Different organogel formulations used as beef fat (BF) replacement (0%, 20%, 40%, 60%, and 80%) were utilized to optimize the mechanical properties of frankfurters. Organogels, made of canola oil (CO), included different concentrations of ethyl cellulose (EC) and sorbitan monostearate (SMS). They consisted of: 8% EC + 1.5% SMS referred to as organogel-I (OG-I), 8% EC + 3.0% SMS (OG-II), and 10% EC + 1.5% SMS (OG-III), which were found promising in a previous study when used at 100% replacement. Replacement of BF with organogels at all levels could bring down the very high hardness values (texture profile analysis and sensory) of frankfurters prepared using CO by itself, relative to the BF control. OG-I and OG-II quantity had no significant effect on hardness and springiness, being similar in many cases to the BF and lower than the CO control. Shear force values of all organogel treatments were not significantly different from one another, and were between the BF and CO controls. Smokehouse yield showed a pattern of decreasing losses with increasing organogel replacement level. Sensory analysis revealed that using CO by itself significantly increased hardness, but structuring the oil (via organogelation), brought it down to the BF control value in all OG-I and OG-II formulations. Juiciness was significantly reduced by using liquid oil but increased with raising the amount of organogels. Oiliness sensation increased with higher organogel substitution and was actually higher than the beef control. The study demonstrates the potential use of vegetable oil structuring in replacing the more saturated BF in emulsion-type meat products.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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