MétaCan
Menu
Retour à la cohorte
Enregistrement W2558379247 · doi:10.1080/09637486.2016.1261085

Optimization of the malting process for nutritional improvement of finger millet and amaranth flours in the infant weaning food industry

2016· article· en· W2558379247 sur OpenAlexafffund
Sara Najdi Hejazi, Valérie Orsat

Notice bibliographique

RevueInternational Journal of Food Sciences and Nutrition · 2016
Typearticle
Langueen
DomaineNursing
ThématiqueFood composition and properties
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésAmaranthGerminationFood scienceWeaningStarchFinger milletNiacinGlutenBiologyAnimal scienceAgronomyBiochemistry

Résumé

récupéré en direct d'OpenAlex

Malting is a beneficial approach to improve the nutritional value of cereals used in infant preparations. Malted finger millet and amaranth might be considered as potentially appropriate gluten-free alternatives for common wheat-based weaning products, especially in case of those suffering from celiac disease. In this study, the effects of germination temperature and duration on the main nutrients of malted finger millet and amaranth, are evaluated and optimized. Grains were germinated for 24, 36 and 48 h at 22, 26 and 30 °C. In the case of finger millet, germinating for 48 h at 30 °C resulted into 17% increase in protein availability, 10% increase in total energy and 60% reduction in resistant starch (RS). For amaranth, germinating for 48 h at 26 °C was preferable, resulting in 8% increase in protein availability, 11% increase in total energy, 70% reduction in RS and a 10% increase in the linoleic acid.

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)0,001
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,169
Score d'incertitude au seuil0,119

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,029
Tête enseignante GPT0,289
Écart entre enseignants0,259 · 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

Citations32
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Food Sciences and NutritionMême sujetFood composition and propertiesTravaux en français237 207