MétaCan
Menu
Retour à la cohorte
Enregistrement W2743623420 · doi:10.1094/cchem-11-16-0265-r

Frozen Convenience Noodles: Use of Ultrasound to Study the Influence of Preparation Methods on Their Rheological Parameters

2017· article· en· W2743623420 sur OpenAlexafffund
Daiva Daugelaite, Anatoliy Strybulevych, Tomohisa Norisuye, David W. Hatcher, Martin G. Scanlon, J. H. Page

Notice bibliographique

RevueCereal Chemistry · 2017
Typearticle
Langueen
DomaineNursing
ThématiqueFood composition and properties
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésChemistryBlanchingFood scienceRheologyChewinessRaw materialComposite materialMaterials science

Résumé

récupéré en direct d'OpenAlex

Longitudinal ultrasonic waves were used to investigate effects of preparation and frozen storage time on the rheological properties of noodles. Noodles prepared with and without glucose oxidase (GOx) were flash frozen either immediately after production (raw), after blanching, or after being optimally cooked. From measurements of attenuation, phase velocity, loss and storage moduli (M″ and M′), and tanδL (M″/M′), it was found that raw noodles, prepared with or without GOx, were most similar overall to fresh noodles when stored frozen for one week. However, blanched noodles were closest to fresh noodles in terms of firmness, as measured by storage modulus, after one week of storage. Frozen storage for four weeks resulted in a significant loss in noodle quality. Stress relaxation measurements of Peleg's K1 and K2 parameters showed a significant effect of GOx addition on raw noodles after one week of frozen storage. As shown by K1 and K2 parameters, GOx addition delayed noodle texture deterioration associated with frozen aging for blanched and cooked treatments. The combined texture assessment of stress relaxation coupled with simultaneous ultrasonic measurements exhibits good potential for examining how formulation and pretreatment can mitigate the textural quality impairments associated with freezing of convenience noodles.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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)0,0010,000

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 Opus0,088
Tête enseignante GPT0,365
Écart entre enseignants0,277 · 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 source (Gemma direct ou Codex distillé), 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

Citations12
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCereal ChemistryMême sujetFood composition and propertiesTravaux en français237 207