MétaCan
Menu
Retour à la cohorte
Enregistrement W3199679864 · doi:10.1111/ijfs.15348

Chemical leavening and other baker’s yeast substitutes: overview of patents filed between 1833 and 2019

2021· article· en· W3199679864 sur OpenAlexaff
Pierre Gélinas

Notice bibliographique

RevueInternational Journal of Food Science & Technology · 2021
Typearticle
Langueen
DomaineNursing
ThématiqueMicrobial Metabolites in Food Biotechnology
Établissements canadiensCegep de Saint Hyacinthe
Organismes subventionnairesnon disponible
Mots-clésLeavening agentYeastFood scienceSodium bicarbonateChemistryTasteXylitolSugarBusinessFermentationBiochemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Summary The aim of this study was to review general trends in the patent literature on baker’s yeast substitutes, including chemical leavening and gas injection. Overall, 494 unique inventions were described in patents filed over about 200 years, between 1833 and 2019. About two‐thirds of patented inventions targeted acid‐reacting materials, and the rest was on non‐specific protection of active ingredients (13%), gas injection such as in the aerated bread process (12%), gas‐releasing agents like sodium bicarbonate (9%) and miscellaneous dough improvers, including flavouring agents and nutrients (4%). Drawbacks included off‐taste and potentially non‐healthy residues such as aluminium. Most baker’s yeast substitutes were dry chemical preparations, so‐called baking powders, that mainly allowed easy and cheap production of miscellaneous fat‐ and sugar‐rich foods such as cakes, and probably contributed to the popularity of the latter. Applications included ready‐to‐use dry bakery mixes and refrigerated doughs. Yeast substitutes were originally developed for bread in England and perfected later for fat‐rich bakery foods, mainly in the United States. where inventors owned 59% of total patents. Specific aspects of baker’s yeast substitutes will be fully covered in companion articles.

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)0,001
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,040
Score d'incertitude au seuil0,519

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,040
Tête enseignante GPT0,319
Écart entre enseignants0,278 · 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

Citations14
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Food Science & TechnologyMême sujetMicrobial Metabolites in Food BiotechnologyTravaux en français237 207