Notice bibliographique
Résumé
During frying, fat degrade and many reactions occur resulting in numerous altered fatty acid products. This would lead to the formation of <i>Tran's</i> fatty acids and changes in nutritional qualities. Hence, this study was aimed to determine the changes during frying on fatty acid composition of Nile tilapia (<i>Oreochromis Niloticus</i>) fish muscle from local fish market of Hawassa, Ethiopia. Fish fryers reported that they usually use palm oil for frying. They also indicated that the oil is kept for days and reused for frying at different cycle. In fried fish, 35 types of fatty acids were identified and 27 in raw fish muscle. Palmitic, stearic, heptadecanoic, and tetradecenoic acids were the abundant saturated fatty acids in both fried and raw fish muscle. Oleic, Docosahexaenoic, Eicosapentaenoic, and Linoleic acid were the major unsaturated fatty acids. The percentages of total saturated fatty acids (SFA) of raw fish muscle (47.4%) were found to be lower compared with fried fish muscle (51.8%). The <i>n</i>-6<i>/n</i>-3 ratio (7.83), index of atherogenicity (0.85), and thrombogenicity (1.71) in the fried fish muscle were in the undesirable values. The hypocholesterolemic/hypercholesterolemic ratio was relatively similar in the fried (1.09) and raw (1.02) fish muscles. The total unsaturated fatty acids (UFA) level of raw fish muscle (52.2%) was higher than the fried fish muscle (47.2%). Higher percentage of <i>Tran's</i> fatty acid was identified in the fried fish muscle compared with raw. Frying considerably altered fatty acid composition of fish muscle. It increased saturated fatty acid concentration and decreased unsaturated. Hence, frying noticeably decreases the nutritional quality of fish muscle. Therefore, it is suggested that further analysis on fatty acid composition of oil usually used for frying and the nutritional quality index across frying cycles.
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 | 0,001 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,004 |
| 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 ».