MétaCan
Menu
Retour à la cohorte
Enregistrement W2884898832 · doi:10.1016/j.lwt.2018.07.020

Applications and effects of monoglycerides on frozen dessert stability

2018· article· en· W2884898832 sur OpenAlexaff
Lai Yee Lee, Nyuk Ling Chin, Edward Christensen, Chea Lim, Yus Aniza Yusof, Rosnita A. Talib

Notice bibliographique

RevueLWT · 2018
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMuscle metabolism and nutrition
Établissements canadiensDiscovery Centre
Organismes subventionnairesnon disponible
Mots-clésDegree of unsaturationMonoglycerideChemistryFood scienceChromatographyOrganic chemistryFatty acid

Résumé

récupéré en direct d'OpenAlex

The main variations in monoglycerides are its fatty acid composition and degree of unsaturation. This study aimed to evaluate monoglycerides of different degree of unsaturation on stability of ice creams, which is also known as frozen desserts because of vegetable fat usage. This was in view of the fact that saturated monoglycerides and its blend with polysorbate 80 had been used historically in ice creams formulations instead of unsaturated monoglycerides. Stability in terms of aeration performances were measured through quantification of fat globules size distribution, meltdown resistance and heat shock stability. The meltdown rate between the saturated and unsaturated monoglycerides was 0.17–0.26% per min and 0.12–0.19% per min respectively. Frozen desserts with meltdown rate below 0.2% per min was defined to have good meltdown resistance performance. Unsaturated monoglycerides performed better than saturated monoglycerides alone and saturated monoglycerides blended with polysorbate 80 in frozen dessert stability.

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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,162

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 Opus0,006
Tête enseignante GPT0,236
Écart entre enseignants0,230 · 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

Citations12
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLWTMême sujetMuscle metabolism and nutritionTravaux en français237 207