MétaCan
Menu
Retour à la cohorte
Enregistrement W4280600630 · doi:10.3390/polym14101987

Effect on the Properties of Edible Starch-Based Films by the Incorporation of Additives: A Review

2022· review· en· W4280600630 sur OpenAlexaff
Gurvendra Pal Singh, Sneh Punia Bangar, Tianxi Yang, Monica Trif, Vinod Kumar, Dinesh Kumar

Notice bibliographique

RevuePolymers · 2022
Typereview
Langueen
DomaineMaterials Science
ThématiqueNanocomposite Films for Food Packaging
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésOxygen permeabilityFood packagingStarchMaterials scienceFiller (materials)Shelf lifeAntimicrobialActive packagingModified starchFood scienceComposite materialAntioxidantChemical engineeringOxygenChemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

At present, people more actively pursuing biodegradable-based food packaging to lower the environmental problems of plastic-based packaging. Starch could become a promising alternative to plastic because of its properties (easily available, nontoxic, tasteless, biodegradable, ecofriendly, and edible). This review article is focused mainly on the impact of the properties of starch-based biodegradable films, such as their thickness, morphology, and optical, water-barrier, mechanical, oxygen-barrier, antioxidant, and antimicrobial properties, after the incorporation of additives, and how such films fulfill the demands of the manufacturing of biodegradable and edible food-based film with preferable performance. The incorporation of additives in starch-based films is largely explained by its functioning as a filler, as shown via a reduction in water and oxygen permeability, increased thickness, and better mechanical properties. Additives also showed antimicrobial and antioxidant properties in the films/coatings, which would positively impact the shelf life of coated or wrapped food material.

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)0,000
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 seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
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 Opus0,045
Tête enseignante GPT0,294
Écart entre enseignants0,249 · 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

Citations128
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePolymersMême sujetNanocomposite Films for Food PackagingTravaux en français237 207