3D Food Printing Applications Related to Dysphagia: A Narrative Review
Notice bibliographique
Résumé
Dysphagia is a condition in which the swallowing mechanism is impaired. It is most often a result of a stroke. Dysphagia has serious consequences, including choking and aspiration pneumonia, which can both be fatal. The population that is most affected by it is the elderly. Texture-modified diets are part of the treatment plan for dysphagia. This bland, restrictive diet often contributes to malnutrition in patients with dysphagia. Both energy and protein intake are of concern, which is especially worrying, as it affects the elderly. Making texture-modified diets more appealing is one method to increase food intake. As a recent technology, 3D food printing has great potential to increase the appeal of textured foods. With extrusion-based printing, both protein and vegetable products have already been 3D printed that fit into the texture categories provided by the International Dysphagia Diet Standardization Initiative. Another exciting advancement is 4D food printing which could make foods even more appealing by incorporating color change and aroma release following a stimulus. The ultra-processed nature of 3D-printed foods is of nutritional concern since this affects the digestion of the food and negatively affects the gut microbiome. There are mitigating strategies to this issue, including the addition of hydrocolloids that increase stomach content viscosity and the addition of probiotics. Therefore, 3D food printing is an improved method for the production of texture-modified diets that should be further explored.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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.
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 ».