MétaCan
Menu
Retour à la cohorte
Enregistrement W2970491842 · doi:10.3390/foods8090380

Pulsed Light treatment below a Critical Fluence (3.82 J/cm2) minimizes photo-degradation and browning of a model Phenolic (Gallic Acid) Solution

2019· article· en· W2970491842 sur OpenAlexafffund
Artur Wiktor, Ronit Mandal, Anubhav Pratap‐Singh

Notice bibliographique

RevueFoods · 2019
Typearticle
Langueen
DomaineMedicine
ThématiquePhytochemicals and Antioxidant Activities
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésGallic acidBrowningDegradation (telecommunications)PolyphenolChemistryFluenceFood scienceOrganic chemistryAntioxidantComputer scienceIon

Résumé

récupéré en direct d'OpenAlex

Pulsed light (PL) is one of the most promising non-thermal technologies used in food preservation and processing. Its application results in reduction of microbial load as well as influences the quality of food. The data about the impact of PL on bioactive compounds is ambiguous, therefore the aim of this study was to analyze the effect of PL treatment of a gallic acid aqueous solution—as a model system of phenolic abundant liquid food matrices. The effect of PL treatment was evaluated based on colour, phenolic content concentration and antioxidant activity measured by DPPH assay using a design of experiments approach. The PL fluence (which is the cumulative energy input) was varied by varying the pulse frequency and time. Using Response Surface Methodology, prediction models were developed for the effect of fluence on gallic acid properties. It was demonstrated that PL can modify the optical properties of gallic acid and cause reactions and degradation of gallic acid. However, application of PL did not significantly alter the overall quality of the model gallic acid solution at low fluence levels. Cluster analysis revealed that below 3.82 J/cm2, changes in gallic acid were minimal, and this fluence level could be used as the critical level for food process design aiming to minimize nutrient loss.

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 enseignants0,066
Score d'incertitude au seuil0,483

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 Opus0,026
Tête enseignante GPT0,287
Écart entre enseignants0,260 · 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

Citations50
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFoodsMême sujetPhytochemicals and Antioxidant ActivitiesTravaux en français237 207