MétaCan
Menu
Retour à la cohorte
Enregistrement W3013660498 · doi:10.22175/rmc2017.111

Effect of Residual Feed Intake Status, Breed and Post Mortem Aging on Consumer Perception of and Preference for Beef Ribeye Steaks

2017· article· en· W3013660498 sur OpenAlexaff
Zhiqiang Jiu, Wendy V. Wismer, M. Juárez, Ha Nguyen, Carolyn Fitzsimmons, Chengdao Li, Heather L. Bruce

Notice bibliographique

RevueMeat and Muscle Biology · 2017
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueMeat and Animal Product Quality
Établissements canadiensAgriculture and Agri-Food CanadaUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésTendernessBreedMathematicsFlavorAnalysis of varianceFactorial experimentFood scienceSensory analysisSensory systemAnimal scienceBiologyStatistics

Résumé

récupéré en direct d'OpenAlex

ObjectivesThe effect of selection for efficient animals using residual feed intake (RFI) on meat sensory quality and consumer preference has had limited study. The objective of this study was to determine the effects of breed, RFI and aging on consumer sensory preference and attributes perception of beef rib-eye steaks.Materials and MethodsThirty-six steers were used in a 3 breed (Angus, Charolais, and Kinsella Composite) × 2 RFI level (high and low) factorial design experiment. Two aging times (4 and 18 d) were also included in the experiment. Perceived and ideal tenderness, juiciness, flavor intensity and overall acceptance of ribeye steaks were evaluated by 24 consumers prescreened to ensure that they regularly consumed high-quality steaks. Analysis of variance (ANOVA), Generalized Procrustes Analysis (GPA) and preference mapping were used to analyze consumer sensory data.ResultsResults from the ANOVA showed that consumers found no significant effect of any main factor on beef flavor intensity (P > 0.05). Breed significantly affected juiciness (P = 0.0070) and overall acceptance of steaks (P = 0.0149), with steaks from Angus and Charolais receiving similar juiciness and acceptance ratings. Steaks aged 18 d were slightly juicier (P = 0.0832) and more acceptable (P = 0.0075) than steaks aged 4 d. No RFI effect was observed for any sensory attribute and acceptance of steaks (P > 0.05). The comparison between consumers’ ideal ribeye steaks and assessed samples found that sensory attributes of steaks from some treatments were different from consumers’ ideal products (P < 0.05). About 80% of the total variation was explained by the first 2 dimensions of the GPA consensus configuration. GPA differentiated meat clearly by aging, with samples aged for 18 d and ideal ribeye steaks characterized as juicier, more tender and as having more intense beef flavor than samples aged for 4 d. Following GPA analysis, preference mapping was performed to correlate sensory attribute perception and consumer preference. Combined with the contour plot, results of preference mapping showed that steaks from carcasses of Angus and Kinsella Composite steers with high RFI received more appreciation from consumers than steaks from carcasses of steers with low RFI. This result suggested a negative influence of selection for efficient animals using RFI on consumer preference of ribeye steaks in some breeds.ConclusionTherefore, RFI can be a beneficial tool in selecting efficient animals because of its limited influence on meat sensory quality, but its possible adverse influence on consumer preference should be monitored during the selection process.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,860
Score d'incertitude au seuil0,167

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 Opus0,052
Tête enseignante GPT0,296
Écart entre enseignants0,243 · 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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMeat and Muscle BiologyMême sujetMeat and Animal Product QualityTravaux en français237 207