Perception of Aqueous Ethanol Binary Mixtures Containing Alcohol-Relevant Taste and Chemesthetic Stimuli
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Ethanol is a complex stimulus that elicits multiple gustatory and chemesthetic sensations. Alcoholic beverages also contain other tastants that impact flavour. Here, we sought to characterize the binary interactions between ethanol and four stimuli representing the dominant orosensations elicited in alcoholic beverages: fructose (sweet), quinine (bitter), tartaric acid (sour) and aluminium sulphate (astringent). Female participants were screened for thermal taste status to determine whether the heightened orosensory responsiveness of thermal tasters (n = 21–22) compared to thermal non-tasters (n = 13–15) extends to these binary mixtures. Participants rated the intensity of five orosensations in binary solutions of ethanol (5%, 13%, 23%) and a tastant (low, medium, high). For each tastant, 3-way ANOVAs determined which factors impacted orosensory ratings. Burning/tingling increased as ethanol concentration increased in all four binary mixture types and was not impacted by the concentration of other stimuli. In contrast, bitterness increased with ethanol concentration, and decreased with increasing fructose concentration. Sourness tended to be reduced as ethanol concentration increased, although astringency intensity decreased with increasing concentration of fructose. Overall, thermal tasters tended to be more responsive than thermal non-tasters. These results provide insights into how the taste and chemesthetic profiles of alcoholic beverages across a wide range of ethanol concentrations can be manipulated by changing their composition.
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.
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) | 0,000 | 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 découle