MétaCan
Menu
Retour à la cohorte
Enregistrement W3013055706 · doi:10.7251/jepm1902073u

An exploration of the effects of low-pressure plasma discharge on the physico-chemical properties of chia (Salvia hispanica L.) flour

2019· article· en· W3013055706 sur OpenAlexaff
Rohit Upadhyay, Rohit Thirumdas, R.R. Deshmukh, Uday S. Annapure, Nrusimha N. Misra

Notice bibliographique

RevueJOURNAL OF ENGINEERING & PROCESSING MANAGEMENT · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePolysaccharides Composition and Applications
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésChemistryLightnessFood scienceLinseed oil

Résumé

récupéré en direct d'OpenAlex

This work explores the preliminary feasibility of employing low-pressure cold plasma technology for the modification of the properties of chia flour. Chia flour was exposed to low-pressure plasma in the air for 5 min, 10 min, and 15 min, at two different power levels (40 W and 60 W). The oils extracted from untreated and treated chia flour were exhaustively characterized for fatty acid composition, nutritional value, and rancidity indices using thermal calorimetric methods (DSC/TGA). The results indicated a significant change in the color of flour with an increase in lightness. Infrared and ultraviolet spectroscopy indicated changes in the tocopherol groups of the oil extracted from plasma-treated chia flour. However, the oil extracted from plasma-treated chia flour revealed a loss of conjugated dienes and the formation of trans-fatty acids as seen in conventional hydrogenation of edible oils. DSC and TGA results revealed better oxidative stability of low-pressure plasma-treated oils than in control, which was linked to a relative increase of MUFA in the former.

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 enseignants0,001
Score d'incertitude au seuil0,003

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 recherche0,0000,000
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 Opus0,010
Tête enseignante GPT0,192
Écart entre enseignants0,182 · 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

Citations16
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJOURNAL OF ENGINEERING & PROCESSING MANAGEMENTMême sujetPolysaccharides Composition and ApplicationsTravaux en français237 207