MétaCan
Menu
Retour à la cohorte
Enregistrement W3082123517 · doi:10.1111/1541-4337.12614

Wax‐based delivery systems: Preparation, characterization, and food applications

2020· review· en· W3082123517 sur OpenAlexaff
Yasamin Soleimanian, Sayed Amir Hossein Goli, Atefe Shirvani, Ameneh Elmizadeh, Alejandro G. Marangoni

Notice bibliographique

RevueComprehensive Reviews in Food Science and Food Safety · 2020
Typereview
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFood Chemistry and Fat Analysis
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésWaxCharacterization (materials science)Solid lipid nanoparticleNanotechnologyDelivery systemChemistryFood productsDrug deliveryBiochemical engineeringMaterials scienceOrganic chemistryFood scienceEngineeringBiomedical engineering

Résumé

récupéré en direct d'OpenAlex

The development of lipid-based delivery systems has attracted much attention over the last years and a wide variety of strategies and formulations are currently available to encapsulate, protect, and target delivery of bioactive and functional lipophilic constituents within the food and pharmaceutical industries. Waxes are crystalline lipid material, consisting of a complex mixture of long-chain fatty acids and fatty alcohols, hydrocarbons, aldehydes, and ketones and show great promises as constituents of carrier systems. Most of waxes are classified under food-grade category and show high availability at a low cost. This review article has provided a comprehensive summary of research on major carriers containing wax as one of the main constituents, including solid lipid nanoparticles, nanostructured lipid carriers, oleogels, and Pickering emulsions, with a focus on their food applications. The physical and chemical nature of natural waxes are described in the first while the second part deals with the structure, formulation, main methods of preparation, characterization, and finally utilization of each type of wax-based delivery system for specific food applications.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,073
Tête enseignante GPT0,295
Écart entre enseignants0,222 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations75
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueComprehensive Reviews in Food Science and Food SafetyMême sujetFood Chemistry and Fat AnalysisTravaux en français237 207