MétaCan
Menu
Retour à la cohorte
Enregistrement W2618606404 · doi:10.1080/23311932.2017.1331892

Nutritional and sensory quality of wheat bread supplemented with cassava and soybean flours

2017· article· en· W2618606404 sur OpenAlexafffund
Haimanot Hailegiorgis Ayele, Geremew Bultosa, Tilahun Abera, Tess Astatkie

Notice bibliographique

RevueCogent Food & Agriculture · 2017
Typearticle
Langueen
DomaineNursing
ThématiqueFood composition and properties
Établissements canadiensDalhousie University
Organismes subventionnairesGlobal Affairs CanadaDalhousie University
Mots-clésFood scienceTanninTasteChemistryWheat flourAgronomyBiology

Résumé

récupéré en direct d'OpenAlex

Sixteen composite flours were prepared using D-optimal constrained mixture design within a range of wheat 40–80%, cassava 10–30% and soybean 10–30% to optimize bread nutrient quality and sensory acceptability. Results obtained showed blending had a significant (p < 0.05) effect on protein, ash, energy, iron, calcium, phytate, bread loaf volume, taste and odor. Higher quantities of soybean addition increased protein, energy, mineral, phytate and condensed tannin contents, whereas cassava increased total carbohydrate contents. The optimum blending ratio for both nutritional and sensory acceptability was in the range of 49.0–71.0% wheat, 10.6–29.0% cassava and 18.2–22.0% soybean flours. Loaf volume of bread processed from less than 70% wheat flour in this study was observed to be inferior in terms of quality attributes.

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 enseignants0,462
Score d'incertitude au seuil0,399

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 Opus0,040
Tête enseignante GPT0,277
Écart entre enseignants0,238 · 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

Citations49
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCogent Food & AgricultureMême sujetFood composition and propertiesTravaux en français237 207