MétaCan
Menu
Retour à la cohorte
Enregistrement W4293317918 · doi:10.1016/j.lwt.2022.113904

Impact of drying methods on banana flour in the gluten-free bread quality

2022· article· en· W4293317918 sur OpenAlexaff
Verónica Guadalupe-Moyano, Sócrates Palácios-Ponce, Cristina M. Rosell, Fabiola Cornejo

Notice bibliographique

RevueLWT · 2022
Typearticle
Langueen
DomaineNursing
ThématiqueFood composition and properties
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesSecretaría de Educación Superior, Ciencia, Tecnología e InnovaciónEscuela Superior Politécnica del Litoral
Mots-clésFood scienceStarchIngredientGlutenResistant starchChemistryGluten freeWheat flourOrganolepticMathematics

Résumé

récupéré en direct d'OpenAlex

Green banana flour (GBF) is considered a functional ingredient that could improve banana world's production sustainability. The banana drying method might influence the physicochemical and nutritional properties of GBF, affecting its performance in bread-making. The study aims to determine the impact of freeze-drying and oven-drying on gluten-free banana bread's quality. Freeze-dried banana flour (FDBF) bread had higher specific volume, resilience, and less brown coloration than oven-dried banana flour (ODBF) bread. Also, FDBF bread presented higher resistant starch (RS). The slowly digested starch (SDS) was similar in both types of bread. In contrast, rapidly digested starch (RDS) was significantly higher in FDBF bread, which led to higher expected glycemic index. Even though the nutritional fractions (RS and SDS) of both gluten-free banana bread exceeded 20 g/100 g bread (db), with no significant difference concerning the drying type, the FDBF bread presented improved characteristic.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,764
Score d'incertitude au seuil0,314

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,092
Tête enseignante GPT0,428
Écart entre enseignants0,336 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations27
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLWTMême sujetFood composition and propertiesTravaux en français237 207