MétaCan
Menu
Retour à la cohorte
Enregistrement W4289536193 · doi:10.18103/mra.v10i7.2920

Flatbreads on the Rise, What about their Nutritional Quality? The Current State of the Mediterranean Market

2022· article· en· W4289536193 sur OpenAlexaff
Raquel Garzón, Nicola Gasparre, Antonella Pasqualone, Μαρία Παπαγεωργίου, Tomislava Grgić, Patricia Le Bail, Irene Pablos, Christelle Tomb, Christopher Magro, Cristina M. Rosell

Notice bibliographique

RevueMedical Research Archives · 2022
Typearticle
Langueen
DomaineNursing
ThématiqueFood composition and properties
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesEuropean Commission
Mots-clésRecipeGlutenIngredientFood scienceOlive oilSunflower oilMediterranean climateLow calorieBusinessMathematicsGeographyBiology

Résumé

récupéré en direct d'OpenAlex

Flatbreads are increasingly attracting consumers, driving them to new eating ways. To define and evaluate the nutritional intake provided by these products, flatbreads market of seven Mediterranean countries (France, Spain, Italy, Croatia, Greece, Malta, and Lebanon) were considered. Flatbreads were available in both traditional and gluten-free versions, and in the single and doble layer variety. Wheat flour was the primary ingredient in both types, while sunflower and olive oil were the most used fats. Lebanese flatbread did not contain any fat. The Spanish market mostly featured one-layer flatbreads, such as tortillas and wraps, whereas pita appeared more frequently in Greece. Many Croatian flatbreads were not fermented. In comparison to gluten-containing flatbreads, the gluten-free version had a larger number of components listed on the labels. Blending flours with starches was the most common recipe. Hydrocolloids, emulsifiers, and fibers were added largely for technical reasons, but also to increase nutritional quality. Gluten-free flatbreads, on the other hand, were discovered to have lower fiber and protein content than their gluten-containing counterparts. Furthermore, their calorie value, as well as carbohydrate and salt content, were found to be lower.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,952
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,002
Communication savante0,0000,000
Science ouverte0,0020,001
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,105
Tête enseignante GPT0,386
Écart entre enseignants0,281 · 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 tête enseignante, pas un consensus.

Devis d'étudeAutre devis
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedical Research ArchivesMême sujetFood composition and propertiesTravaux en français237 207