MétaCan
Menu
Retour à la cohorte
Enregistrement W2940758605 · doi:10.1002/fsn3.1022

Successive grinding and sieving as a new tool to fractionate polyphenols and antioxidants of plants powders: Application to <i>Boscia senegalensis</i> seeds, <i>Dichrostachys glomerata</i> fruits, and <i>Hibiscus sabdariffa</i> calyx powders

2019· article· en· W2940758605 sur OpenAlexfundno aff
Markusse Deli, Elie Baudelaire Ndjantou, Josiane Thérèse Ngatchic Metsagang, Jérémy Petit, Nicolas Yanou Njintang, Joël Scher

Notice bibliographique

RevueFood Science & Nutrition · 2019
Typearticle
Langueen
DomainePharmacology, Toxicology and Pharmaceutics
ThématiqueHibiscus Plant Research Studies
Établissements canadiensnon disponible
Organismes subventionnairesAgence Universitaire de la Francophonie
Mots-clésHibiscus sabdariffaPolyphenolAntioxidantChemistryFood scienceBotanyChemical compositionHibiscusBiologyBiochemistry

Résumé

récupéré en direct d'OpenAlex

Abstract The present investigation aimed at evaluating the effect of powder fractionation based on particle size on the chemical composition in macronutrients, polyphenol contents, and antioxidant properties of powders of Boscia senegalensis seeds, Dichrostachys glomerata fruits, and Hibiscus sabdariffa calyces. Significant differences (p < 0.05) among granulometric classes of each plant were observed for the chemical composition in macronutrients. A decrease in particle size of plant powders was associated with an increase in ash, protein, and fat contents, while carbohydrate content was lowered. The following Granulometric classes, [0–180 µm] for Boscia senegalensis, [180–212 µm] for Dichrostachys glomerata, and [212–315 µm] for Hibiscus sabdariffa, respectively, were found to maximize total phenolic content and antioxidant activity. These results confirm that the grinding and controlled differential screening technology is an approach may serve as a useful guide to obtain optimum polyphenol extraction and enhance antioxidant activity of plant products.

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)0,000
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 seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,036
Tête enseignante GPT0,381
Écart entre enseignants0,345 · 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

Citations45
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFood Science & NutritionMême sujetHibiscus Plant Research StudiesTravaux en français237 207