Does Circular Reuse of Chickpea Cooking Water to Produce Vegan Mayonnaise Reduce Environmental Impact Compared with Egg Mayonnaise?
Notice bibliographique
Résumé
Consumers are increasingly asking for foods that are healthier, more humane, and environmentally sustainable. Recently, chickpea cooking water—aquafaba—has gained popularity as a potential egg substitute that complies with these criteria. However, research on the environmental impact of this ingredient is lacking. We performed a comparative attributional life cycle assessment (LCA) of mayonnaise made with aquafaba as the emulsifying agent, and traditional mayonnaise made with egg yolk. The vegan mayonnaise was found not to be as environmentally sustainable as the egg-based product. The vegan mayonnaise had a significantly (p < 0.05) lower impact across 4 categories, but a significantly higher impact across 8 categories out of 16, including climate change and resource-use-energy-carriers. The majority of categories under which vegan mayonnaise underperformed were related to the electricity needed for aquafaba processing. These impacts can be mitigated with a “cleaner” electricity grid, or onsite renewable electricity generation. Substituting the Mexican grid, where the aquafaba is currently processed, for the Canadian grid, where the mayonnaise is produced, reduced the carbon footprint of the vegan mayonnaise by 37%, making it similar to the egg-based product. As sunflower oil production was linked to extensive environmental burdens, we performed additional sensitivity analyses around oil processing, sunflower production, and other vegetable oils. Our study shows that substituting egg yolk with aquafaba could cause an increase in the environmental footprint of mayonnaise due to high processing costs, illustrating that vegan options do not always have a smaller environmental footprint, and can represent a trade-off in their comparatively more humane and healthier offer.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».