MétaCan
Menu
Retour à la cohorte
Enregistrement W2954056338 · doi:10.1088/1755-1315/293/1/012035

Prospect of Fe non-heme on coffee flour made from solid coffee waste: Mini review

2019· article· en· W2954056338 sur OpenAlexaboutno aff
Roy Hendroko Setyobudi, Lili Zalizar, Satriyo Krido Wahono, Wahyu Widodo, Ahmad Wahyudi, Maizirwan Mel, Bayu Prabowo, Yahya Jani, Yogo Adhi Nugroho, Tony Liwang, A Zaebudin

Notice bibliographique

RevueIOP Conference Series Earth and Environmental Science · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueCoffee research and impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFood scienceChemistryHuskPulp (tooth)BiotechnologyAgricultural scienceBiologyBotanyMedicine

Résumé

récupéré en direct d'OpenAlex

Abstract Coffee flour (CF) from coffee pulp or husk, solid waste of coffee processing have launched in Canada since 2015. This product is claimed as certified of gluten-free, vegan, kosher, paleo, and non-GMO. Coffe flour is stated to contain three times Fe content than fresh spinach (Spinacia oleracea L.). Several receipts of cookies, donuts, and cakes using CF has been introduced as wheat flour substitution. However, the scientific publication of CF impact for health does not appear until August 2018 yet. A review has been carried out using data on Google with a maximum publication age of 15 yr. This Fe non-heme prospect is allegedly unable to be absorbed optimally by the organism. Coffee pulp and husk contain an inhibitor, such as caffeine, polyphenol, calcium, dietary fiber, manganese, magnesium, and zinc; which detain Fe absorption. On the other hand, the promoter/enhancer of Fe absorption such as vitamin C, vitamin A, and amino acid was decreased in CF processing. Several types of research have to be conducted to tackle this problem in Faculty of Medicine and Faculty of Agriculture and Animal Husbandry University Muhammadyah of Malang, Indonesia.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,385
Score d'incertitude au seuil0,999

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 technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,019
Tête enseignante GPT0,266
Écart entre enseignants0,247 · 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.

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

Citations31
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIOP Conference Series Earth and Environmental ScienceMême sujetCoffee research and impactsTravaux en français237 207