MétaCan
Menu
Retour à la cohorte
Enregistrement W4200464617 · doi:10.1080/10408398.2021.2019672

Schemes for enhanced antioxidant stability in frying meat: a review of frying process using single oil and blended oils

2021· review· en· W4200464617 sur OpenAlexaff
Ju Shen, Min Zhang, Linlin Zhao, Arun S. Mujumdar, Haixiang Wang

Notice bibliographique

RevueCritical Reviews in Food Science and Nutrition · 2021
Typereview
Langueen
DomaineChemistry
ThématiqueEdible Oils Quality and Analysis
Établissements canadiensMcGill University
Organismes subventionnairesKey Lab of Advanced Optical Manufacturing Technologies of Jiangsu ProvinceYangzhou City Agricultural Key R and D ProgramGovernment of Jiangsu Province
Mots-clésFood scienceDeep fryingEdible oilChemistry

Résumé

récupéré en direct d'OpenAlex

Deep-fried meat products are widely popular. However, harmful compounds produced by various chemical reactions during frying have been shown to be detrimental to human health. It is of great necessity to raise practical suggestions for improving the oxidation problem of frying oils and frying conditions in some aspects. Vegetable oils are not as thermally stable as saturated fats, and blended oils have higher thermal stability than single oil. In this review, we discussed the oxidation problems frying oils and meats are subject to during frying, starting from the oil oxidation mechanism, the effects of different oils and fats on the quality of different fried meats under different conditions were concluded to alleviate the oxidation problem, to highlight the necessity of applying blended oils for frying, and effective antioxidants added to frying oils are also introduced, that would provide more convenient and practical options for obtaining higher quality of fried meat products and offer better understanding of the potential of blended frying oils for frying meat products.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,195
Tête enseignante GPT0,440
Écart entre enseignants0,244 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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 revueCritical Reviews in Food Science and NutritionMême sujetEdible Oils Quality and AnalysisTravaux en français237 207