MétaCan
Menu
Retour à la cohorte
Enregistrement W2985485302 · doi:10.3390/foods8110586

The Compositional and Functional Attributes of Commercial Flours from Tropical Fruits (Breadfruit and Banana)

2019· article· en· W2985485302 sur OpenAlexafffund
Shiqi Huang, Mario M. Martínez, B. M. Bohrer

Notice bibliographique

RevueFoods · 2019
Typearticle
Langueen
DomaineNursing
ThématiqueFood composition and properties
Établissements canadiensUniversity of Guelph
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésFood scienceWheat flourStarchComposition (language)ChemistrySwelling capacityRetrogradation (starch)SwellingMaterials scienceAmylose

Résumé

récupéré en direct d'OpenAlex

The objective of this study was to compare the compositional and functional properties of tropical flour sources (two breadfruit flours (type A and type B) and a banana flour) with a more traditional flour source (wheat flour). Macro-nutrient composition, pH, water and oil holding capacity, bulk density, particle size, solubility, swelling power, pasting properties, and thermodynamics (gelatinization and retrogradation) were determined. All flours evaluated were similar in their composition with high levels of carbohydrates (greater than 82.52 g/100 g on a dry-matter basis), with most of the carbohydrate content comprised of starch (greater than 67.02 g/100 g). The tropical fruit flours had greater (p < 0.05) water holding capacity than wheat flour. Breadfruit flour B had the lowest (p < 0.05) bulk density, while banana flour had the greatest (p < 0.05) bulk density. The swelling power of the tropical flours was greater (p < 0.05) than the wheat flour. The viscosity of the tropical flours was higher than wheat flour but decreased significantly when temperature was held at 130 °C. These results indicated that the two breadfruit flours and banana flour have great potential for application in processed food products, and have similar compositional attributes to a more traditional flour.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,221
Score d'incertitude au seuil0,277

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 Opus0,024
Tête enseignante GPT0,234
Écart entre enseignants0,210 · 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'étudeObservationnel
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

Citations42
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFoodsMême sujetFood composition and propertiesTravaux en français237 207