MétaCan
Menu
Retour à la cohorte
Enregistrement W3187293172 · doi:10.22175/mmb.12294

Compositional Differences Among Types of Mechanically Separated Chicken and Their Influence on Physicochemical Attributes of Frankfurter-Type Sausages

2021· article· en· W3187293172 sur OpenAlexaboutno aff
Danika K. Miller, L. Yoder, Steven M. Lonergan, Joseph G. Sebranek, Rodrigo Tarté

Notice bibliographique

RevueMeat and Muscle Biology · 2021
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Nutrition and Physiology
Établissements canadiensnon disponible
Organismes subventionnairesIowa State University
Mots-clésChewinessFood scienceChemistryLipid oxidationThiobarbituric acidBiochemistryAntioxidantLipid peroxidation

Résumé

récupéré en direct d'OpenAlex

Mechanically separated chicken (MSC) from 2 different separation methods (MSC1, Beehive separator, aged bones [Provisur Technologies, Mokena, IL]; MSC2, Poss separator, fresh bones [Poss Design Limited, Oakville, Ontario, Canada]) and chicken breast trim (CBT) were used as raw materials in frankfurters. Texture, color, and lipid oxidation were measured over a refrigerated storage period of 98 d. Both MSC were higher in fat and lower in moisture than CBT. MSC frankfurters had lower L* and higher a* values than CBT frankfurters, with MSC2 frankfurters having the lowest L* and highest a* (P < 0.05). Thiobarbituric acid-reactive substances values were higher in MSC1 frankfurters (P < 0.05) than in CBT and MSC2 frankfurters. Texture Profile Analysis hardness, cohesiveness, resilience, and chewiness were highest in MSC2 frankfurters. Differences among MSC resulted in detectable differences in finished product attributes, with MSC2 frankfurters being darker and redder and having lower levels of lipid oxidation than MSC1 frankfurters, underscoring the importance of understanding the specific functional attributes of MSC obtained by different processes prior to product formulation and manufacturing.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,830
Score d'incertitude au seuil0,143

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 Opus0,019
Tête enseignante GPT0,224
Écart entre enseignants0,206 · 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'étudeExpérimental (laboratoire)
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

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMeat and Muscle BiologyMême sujetAnimal Nutrition and PhysiologyTravaux en français237 207