Effects of repeated deep-frying on fatty acid profiles of potato fries and frying oils: soybean oil, canola oil and their 1:1 blend
Notice bibliographique
Résumé
Introduction: This study looked at the fatty acid composition changes in potato fries fried in three different types of oils, namely soybean oil (SO), canola oil (CO), and a 1:1 blend of soybean oil and canola oil (SCO), throughout an intermittent frying process of 80 batches in five consecutive days. The study also examined the fatty acid composition changes in SO, CO and SCO during the frying process. Methods: Fat from potato fries (extracted by Soxtec system) and oil samples from the corresponding frying oil were analysed by gas chromatography-mass spectrometer (GC-MS) to examine the fatty acid profile changes during the deep-frying process. Results: Linoleic acid (LA) and a-linolenic acid (ALA) in all three oils decreased, while oleic acid (C18:1), stearic acid (C18:0), palmitic acid (C16:0) and octanoic acid (C8:0) increased. Formation of C18:1 trans fatty acid was observed as the frying time increased. The fatty acid composition of the potato fries was consistent with the fatty acid composition of the corresponding frying oils. Conclusion: Our results showed that blending soybean oil and canola oil did not significantly improve the frying stability of the resulting oil in terms of fatty acid profile. Due to the formation of trans fatty acids and the decrease in polyunsaturated fatty acids, our study also recommends not to use the same frying oil repeatedly and not to consume food products cooked in reused oil.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».