Effect of Hibicus sabdariffa on the Nutritional and Sensory Properties of Novel Naem Product
Notice bibliographique
Résumé
Naem is a traditional Asian fermented sausage made from the mixture of raw meat, cooked rice, garlic, salt, sugar, spices, and sodium nitrite. With consumers more concerned with healthy food choices, Hibiscus sabdariffa (HS) can be used as substitute for sodium nitrite in Naem preparation. Therefore, the objective of this study was to evaluate the effects of HS on the sensory, quality, and physicochemical analyses of Naem products. Four concentrations of HS were evaluated in this experiment: 1) 0%, 2) 1%, 3) 3% and 4) 5% HS. Treatments were analyzed for sensory evaluation by using a 9-point hedonic scale (trained panelists = 38). Physicochemical characteristics were evaluated for color (L*, a*, and b* values), pH, water activity, moisture (%), ash content, and lipid stability (TBARS). In addition, nutrition profiles, lactic acid bacteria, aerobic plate counts, Escherichia coli, and Listeria spp. were completed. SPSS with one-way ANOVA was used to evaluate any significant differences with p<0.05. The sensory evaluation revealed that Naem prepared with 3% HS had the highest overall acceptance scores (5.76), flavor (5.81), and taste (5.66). In addition, fermented Naem with 3% HS showed the highest scores of acceptability (92.2%), purchase intent (71.1%), and lactic acid bacteria counts (5.41 log CFU/g). The initial pH values, water activity, moisture (%), and ash content in this experiment ranged from 5.44-5.57, 0.93-0.94, 63.17-64.94%, and 1.51-1.74%, respectively. There was a significant (p<0.05) on color after 7 days storage at 3°C. Specifically, a* values were decreased in all treatments. The control treatment obtained the highest TBARS values (0.83 mg MDA/kg). No E. coli or Listeria spp. were detected. The results of this study indicate that Hibiscus sabdariffa can be used as a natural spice for Naem products which may help the meat industry increase market share through this innovative product.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».