MétaCan
Menu
Retour à la cohorte
Enregistrement W4221044320 · doi:10.1080/07373937.2022.2050255

Cold plasma pretreatment improves the quality and nutritional value of ultrasound-assisted convective drying: The case of goldenberry

2022· article· en· W4221044320 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueDrying Technology · 2022
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFood Drying and Modeling
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésNutrientChemistryFood scienceAntioxidantVitamin CShelf lifeMass transferPulp and paper industryChromatographyBiochemistry

Résumé

récupéré en direct d'OpenAlex

Nutrient damage and high energy consumption are the challenges of convective drying to achieve food security and economic stability. Wild berries have high nutritional value, but they are difficult to dry because of the waxed skin tissue. Such a cellular structure is highly resistant to mass transfer, which increases drying time and nutrient degradation. Although chemical pretreatments can facilitate a mass transfer, they reduce the amounts of soluble nutrients. As an alternative, we propose an innovative strategy with cold plasma pretreatment followed by ultrasound-assisted convective drying. Cold plasma pretreatment enabled reducing drying temperature from 60–90 °C to 50 °C, which improved the nutritional quality of the dried goldenberries. The application of ultrasound energy significantly reduced drying time. Compared to the untreated convective dried samples, the vitamin C retention, antioxidant activity, and total phenolic content increased by up to 175.07%, 84.32%, and 52.31%, respectively. This drying approach can significantly contribute to food security by improving product quality, nutritional value, shelf stability, and reducing greenhouse gas emissions.

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.

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)0,001
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,207
Score d'incertitude au seuil0,489

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
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 Opus0,032
Tête enseignante GPT0,265
Écart entre enseignants0,234 · 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