Development of Low Glycemic Index (GI) Foods by Incorporating Pulse Ingredients into Cereal‐Based Products: Use of In Vitro Screening and In Vivo Methodologies
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
Pulse ingredients (pea and lentil flour, pea protein, and pea fiber) were incorporated into 94 different food products. Products included pastas, breads, crackers, extruded snacks, cookies, cereal bars, and muffins. Products were screened for estimated glycemic index using an in vitro method. Based on the screening results, five products (pasta, bread, cracker, granola bar, and cookie) were selected for in vivo glycemic index (GI) testing. For each control (containing 100% wheat flour), a pulse variant (containing up to 50% pulse ingredients) was developed. Ten healthy subjects consumed each test meal in addition to three control white bread meals on separate days during the in vivo GI testing. GI values of the control and pulse variant meals were 61.3 ± 5.1 versus 54.6 ± 7.6 (pasta), 61.4 ± 5.6 versus 53.4 ± 4.7 (focaccia bread), 46.0 ± 4.2 versus 41.5 ± 3.1 (cracker), 35.4 ± 3.6 versus 34.8 ± 5.0 (granola bar), and 41.6 ± 3.8 versus 37.6 ± 3.0 (cookie). The difference did not reach statistical significance ( P > 0.05). Mean GI difference between control and pulse variant was 4.8 ± 2.6, with all pulse variants falling into the low GI category. Palatability scores showed no statistically significant difference ( P > 0.05) between the control and pulse variant. The data support substituting wheat flour with pulse ingredients to reduce the GI value without changing palatability of the 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