MétaCan
Menu
Retour à la cohorte
Enregistrement W2766123260 · doi:10.1094/cfw-62-5-0208

The Effect of Navy Bean Flour Particle Size on Carbohydrate Digestion Rate Measured in Vitro

2017· article· en· W2766123260 sur OpenAlexaff
Bohdan L. Luhovyy, Andrew Hamilton, Priya Kathirvel, Heba Mustafaalsaafin

Notice bibliographique

RevueCereal Foods World · 2017
Typearticle
Langueen
DomaineNursing
ThématiqueFood composition and properties
Établissements canadiensMount Saint Vincent University
Organismes subventionnairesnon disponible
Mots-clésDigestion (alchemy)CarbohydrateIn vitroFood scienceNavyChemistryParticle sizeBiochemistryChromatographyGeography

Résumé

récupéré en direct d'OpenAlex

The consumption of navy beans (Phaseolus vulgaris L.) is associated with reduced cardiometabolic risk factors such as improved blood glucose control. Navy bean flours retain the nutritional benefits of navy beans, which are high in protein and fiber and low in fat and sugar. However, the particle size of navy bean flours can vary depending on the milling technology used. The purpose of this study was to investigate the carbohydrate digestion rate of navy bean flours with various particle sizes. Five samples each of raw and baked flours with the following volume-weighted mean particle sizes were studied by in vitro digestion using the Englyst method: coarse (1,101.6 μm), regular (630.7 μm), fine (301.7 μm), very fine (144 μm), and superfine (26.8 μm). An increase in the particle size of dry-milled navy bean flours was associated with a reduced in vitro carbohydrate digestion rate that was partially retained after baking and could be explained by the higher resistant starch and insoluble nonstarch polysacch...

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 enseignants0,093
Score d'incertitude au seuil0,413

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 Opus0,021
Tête enseignante GPT0,270
Écart entre enseignants0,250 · 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

Citations18
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCereal Foods WorldMême sujetFood composition and propertiesTravaux en français237 207