Cooking loss, texture properties, and color of comminuted beef prepared with breadfruit (Artocarpus altilis) flour
Notice bibliographique
Résumé
Cooking loss, texture properties, and color of comminuted beef when prepared with breadfruit (Artocarpus altilis) flour or other flour sources was evaluated using 2 separate studies. Flour sources tested in these studies (against a negative control with no added flour) were breadfruit flour, soy flour, corn flour, wheat flour, and tapioca flour. Study 1: Finely minced, comminuted beef batters (extra lean beef targeted to 97% lean and 3% fat, salt, and ice/water) prepared with inclusion levels of 0, 1, 2, 3, 4, and 5% flour were evaluated for cooking loss and texture. Cooking loss was reduced (P < 0.05) in comminuted beef prepared with breadfruit flour compared with those not prepared with flour and cooking loss decreased as breadfruit flour inclusion level increased (Linear P < 0.01). Hardness was not different (P = 0.49) in comminuted beef prepared with breadfruit flour compared with soy flour, and was much less (P < 0.01) compared with the 3 other flour sources at each inclusion level. Study 2: Comminuted beef (lean beef targeted to 90% lean and 10% fat, salt, and ice/water) with inclusion levels of 0, 2.5, and 5% flour were formed into patties and were evaluated for color over a simulated retail display period. Redness values (a*) of comminuted beef prepared with breadfruit flour were the greatest (P < 0.05) during the 7-d simulated retail display compared with all other treatments, including control samples with no flour. Overall, the results indicated that breadfruit flour could be effectively used as an ingredient in comminuted beef to produce similar texture as observed with soy flour, while actually improving redness values beyond that of other flour sources.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».