MétaCan
Menu
Retour à la cohorte
Enregistrement W4200286567 · doi:10.1111/jtxs.12656

Understanding relations between rheology, tribology, and sensory perception of modified texture foods

2021· article· en· W4200286567 sur OpenAlexafffund
Madhu Sharma, Kartik Pondicherry, Lisa M. Duizer

Notice bibliographique

RevueJournal of Texture Studies · 2021
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSensory Analysis and Statistical Methods
Établissements canadiensUniversity of Guelph
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésRheologyTribologyTexture (cosmology)Sensory systemPerceptionMaterials scienceFood scienceArtificial intelligenceComputer sciencePsychologyComposite materialCognitive psychologyChemistry

Résumé

récupéré en direct d'OpenAlex

Abstract The aim of this work was to examine relations between instrumental and sensory parameters in a texture modified food matrix, with and without saliva. Nine pureed carrot samples (eight thickened and a control) were developed with starch (0.4 and 0.8% wt/wt), xanthan (0.2 and 0.4% wt/wt) or starch–xanthan blends that met International Dysphagia Diet Standardisation Initiative (IDDSI) Level 4 guidelines using fork and spoon tests. Rheological and tribological tests were conducted on the food and simulated bolus prepared by adding fresh stimulated saliva to the food (1:5, saliva:food) to mimic oral processing. Perceived sensory properties were identified using a temporal dominance of sensations (TDS) test (n = 16) where panelists were given a list of nine attributes. The area under the curve was extracted from TDS curves for each attribute/sample and this was correlated with rheological (viscosity at 10 s−1, G′, G″, and tan δ at 1 Hz) and tribological (friction coefficient in three regimes) data. The viscosity of the control sample decreased after adding hydrocolloids (except Starch_0.8%) and with saliva incorporation. G′ and G″ either increased or were similar for xanthan and blends and decreased for starch‐thickened samples. Hydrocolloid addition increased friction for all samples and was higher with saliva addition. Sensory results showed that samples with starch were perceived as thick and grainy while xanthan was perceived as smooth and slippery. A greater number of sensory attributes correlated with viscoelastic parameters compared to friction coefficients. Correlations were highest with the saliva added samples, further highlighting the importance of including saliva during instrumental testing.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,275
Tête enseignante GPT0,368
Écart entre enseignants0,093 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations27
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Texture StudiesMême sujetSensory Analysis and Statistical MethodsTravaux en français237 207