Notice bibliographique
Résumé
Abstract There is a growing body of evidence suggesting that high fat intake may specifically contribute to heart disease, overweight, and obesity. Dietary recommendations are to reduce the current fat intake to 20–35% of total calories. In response to consumer demands for low calorie or calorie‐free fats, a wide array of fat replacers have been developed. Fat replacers are substances that contribute a similar mouthfeel, texture, or flavor to a food product as normal fat. There are three major fat‐replacement ingredient categories: carbohydrate, protein, and fat based. Carbohydrate‐ and protein‐based fat replacers provide 0–4 kcal/g. The major carbohydrate‐based fat replacers include starches, maltodextrins, polydextrose, pectin, gums, and other dietary fibers. Examples of protein‐based fat replacers are microparticulated protein, gelatin, and modified–denatured proteins. Some fat‐based ingredients, eg, caprenin, salatrim, bohenin, and medium‐chain triacylgycerols, are actually fats tailored to contribute fewer calories and less available fat to foods. Lipid analogues, eg, olestra, sorbestrin, and polyglycerol esters, are structurally modified to provide fewer or no calories. With successful marketing and improvements in process technology and quality, fat replacers will have a considerable impact upon most sectors in the food industry. The different types of fat replacers are reviewed with respect to their synthesis, chemical composition, caloric value, metabolism, and applications.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».