Creating foods for older adults: Emotional responses and liking of microwave‐assisted thermal sterilization processed meals
Notice bibliographique
Résumé
The purpose of this study was to examine emotional and liking responses to foods designed for older adults and made using microwave-assisted thermal sterilization technology (MATS). Six chicken pasta meals (three each with and without herbs) were formulated with three concentrations of salt at 100%, 75%, and 50%. Seventy-six community-dwelling older adults conducted sensory and emotional evaluations. Sensory testing involved measuring liking of various sensory attributes using a 9-point hedonic scale, Just-about-right scales to measure appropriateness of the intensity of the attributes, and check-all-that-apply questions to identify perceived flavor and texture attributes. EsSense25 methodology was used for capturing food-evoked emotional responses. Significant differences existed in all measured sensory attributes and in 14 out of the 25 tested emotions across the six meals. Liking scores for all pastas with herbs and high salt pasta with no herbs were not significantly different for all tested attributes and fell between neither like nor dislike and like slightly on the 9-point hedonic scale. These samples were also associated with positive emotions related to energy and activation. Low-salt pastas with no herbs were consistently the least liked samples and evoked negative emotions. Results show that sodium content can be reduced by up to half when herbs are added to microwave-processed pasta meals without compromising liking. PRACTICAL APPLICATION: Chicken pasta meals manufactured using microwave-assisted thermal sterilization technology are acceptable to community living individuals 60 years and older. Emotional responses to the meal are positive. When formulating these meals, herbs can be added to lower sodium content formulations to improve liking and increase the number of positive emotions associated with the meal. Microwave-assisted thermal sterilization, sodium reduction, emotional responses, consumer liking, older adults.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».