MétaCan
Menu
Retour à la cohorte
Enregistrement W2941497328 · doi:10.5539/jfr.v8n3p77

Effect of Soy Concentrate, Oat (Avena sativa) Flour and Chia Seeds (Salvia hispanica) as a Partial Substitute of Wheat Flour (Triticum aestivum) on Protein Content, Dietary Fiber Content, Textural Shelf Life and Organoleptic Properties of Breadsticks

2019· article· en· W2941497328 sur OpenAlexvenueno aff
Mariel Angélica Reyes Rendón, Esther Pérez‐Carrillo, Sara Guajardo Flores

Notice bibliographique

RevueJournal of Food Research · 2019
Typearticle
Langueen
DomaineNursing
ThématiqueFood composition and properties
Établissements canadiensnon disponible
Organismes subventionnairesInstituto Tecnológico y de Estudios Superiores de Monterrey
Mots-clésOrganolepticFood scienceAvenaFlavorWheat flourDietary fiberChemistryHigh proteinSoy proteinFiberBiologyBotany

Résumé

récupéré en direct d'OpenAlex

Few studies have examined the effects on nutrient contents and organoleptic properties of substituting wheat flour by protein dense ingredients as are soy protein concentrate, oat and chia in bakery formulas. The objective of the study was to assess the effect of adding soy protein concentrate, oat and chia to two breadsticks formulas proposed to provide at least 10 % of the daily recommended value of protein for an adult. Thirty three percentage of wheat flour were substituted by 3:1 oat:chia (BO) and 1:1 oat:chia (BC) composite flours. The analyzed parameters were wheat-meal fermentation time, moisture, protein, insoluble and soluble dietary fiber, firmness, organoleptic acceptance, and preference. Results revealed that both formulas contributed the minimum wished protein content, had higher dietary fiber content than only wheat flour breadsticks and had an acceptable texture, flavor, and appearance. It is recommended to continue formula BO because it turned out to be the favorite in the preference test.

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 enseignants0,002
Score d'incertitude au seuil0,004

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 recherche0,0000,001
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 Opus0,076
Tête enseignante GPT0,304
Écart entre enseignants0,228 · 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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Food ResearchMême sujetFood composition and propertiesTravaux en français237 207