Nutrient Compositions and Total Polyphenol Contents of Selected Dried Fruits Available in Selangor, Malaysia
Notice bibliographique
Résumé
Dried fruits contained higher amount of energy and nutrient density compared to the fresh ones. This study was conducted to determine and compare the content of nutrients and polyphenols in dried dates, raisin, apricot and fig. Dried fruit samples were bought from three different stores in Selangor and analyzed in triplicates. AOAC (1997) standard methods were used for proximate analyses. The total sugar and polyphenol contents were determined using Dubois and Folin-Ciocalteu methods, respectively. Highest moisture content was found in dried apricots (35.26%) while the lowest one was in Mariami dates (21.68%). Dried apricots also contained highest total ash content (4.54%) while Safawi dates have the lowest one (2.45%). Dried figs contained the highest crude protein (3.93%) and fat contents (4.02%) while Safawi dates have lowest protein (2.57%) and fat (0.09%) contents. Total carbohydrates were highest in Safawi dates (72.81%) and lowest in dried apricots (56.09%). Highest total sugar content found in Mariami dates (48.61%) and lowest in dried apricots (10.35%). Total phenolic content in golden raisin contained significantly (p < 0.001) highest polyphenol content (562.15 mg GAE/100 g) than others while dried figs have the lowest one (151.04 mg GAE/100 g). Dried fruits analyzed in this study contained high nutrients and polyphenol contents which are suitable to be consumed as an alternative for snack, with a caution on the portion size due to the high sugar content.
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 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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».