Three-Dimensional Printing of Foods: A Critical Review of the Present State in Healthcare Applications, and Potential Risks and Benefits
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Three-dimensional printing is one of the most precise manufacturing technologies with a wide variety of applications. Three-dimensional food printing offers potential benefits for food production in terms of modifying texture, personalized nutrition, and adaptation to specific consumers' needs, among others. It could enable innovative and complex foods to be presented attractively, create uniquely textured foods tailored to patients with dysphagia, and support sustainability by reducing waste, utilizing by-products, and incorporating eco-friendly ingredients. Notable applications to date include, but are not limited to, printing novel shapes and complex geometries from candy, chocolate, or pasta, and bio-printed meats. The main challenges of 3D printing include nutritional quality and manufacturing issues. Currently, little research has explored the impact of 3D food printing on nutrient density, bioaccessibility/bioavailability, and the impact of matrix integrity loss on diet quality. The technology also faces challenges such as consumer acceptability, food safety and regulatory concerns. Possible adverse health effects due to overconsumption or the ultra-processed nature of 3D printed foods are major potential pitfalls. This review describes the state-of-the-art of 3D food printing technology from a nutritional perspective, highlighting potential applications and current limitations of this technology, and discusses the potential nutritional risks and benefits of 3D food printing.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 | 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) | 0,000 | 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 découle