Vegetable oil-based nanoemulsions for the preservation of muscle foods: A systematic review and meta-analysis
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.
Notice bibliographique
Résumé
This systematic review and meta-analysis quantified the effects of various vegetable oil-based nanoemulsion (NE) formulations on muscle foods’ microbial and chemical quality by estimating the weighted overall response ratio (R*). Treatment of muscle foods with NE formulations reduced the growth rates of total mesophilic bacteria, total psychrophilic bacteria, lactic acid bacteria, and Enterobacteriaceae by 26.2% (R*=0.738), 19% (R*=0.810), 44.7% (R*=0.553), and 31.8% (R*=0.682) during the storage period, respectively. Moreover, the NE formulations retarded the increasing rates of volatile basic-nitrogen content, lipid and protein oxidation, and lipid hydrolysis by 41.4% (R*=0.586), 34% (R*=0.660), 55% (R*=0.450), and 37.1% (R*=0.629), respectively. The NE formulations prepared from safflower, olive, canola, and sunflower oil were more effective than the other vegetable oils to control microbial growth and slow down chemical changes in muscle foods. The combination of nanoemulsions (NEs) and essential oils (EOs) was more efficient than NEs to preserve muscle foods. Packaging NE-treated muscle foods under anaerobic conditions provided better control of microbial growth and chemical changes than packaging under aerobic conditions. Consequently, a combination of vegetable oil-based NEs and EOs followed by anaerobic packaging is the most effective treatment to improve the quality of muscle foods.
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 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 | 0,007 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle