The effects of double gelatin containing chitosan nanoparticles–calcium alginate coatings on the stability of chicken breast meat
Notice bibliographique
Résumé
Abstract The effects of gelatin coatings (2% and 4%) containing chitosan nanoparticles (ChNPs; 1% and 2%), in combination with calcium‐alginate coatings (CA; 2%), on quality attributes and shelf life of chicken breast meat were evaluated at 4°C for 12 days. The results indicated that double‐active gelatin–calcium alginate coatings had significant ( p < .05) effects on moisture and protein content. Incorporation of ChNPs into double gelatin‐CA coatings led to significant reduction ( p < .05) in TBARS, pH, and TVB‐N values at the end of storage. The counts of total viable count (TVC), coliforms, yeasts, and molds were significantly ( p < .05) lower in all coated samples, particularly in treated samples by 4% gelatin containing 2% ChNPs + 2% CA coatings (6.85, 6.78, and 5.91 log CFU/g, respectively, compared with 8.35, 8.76, and 7.71 log CFU/g in control) at the end of keeping time. The results of sensory attributes showed that the coated samples had higher overall acceptability scores compared with the untreated samples. A synergistic relationship between the concentrations of gelatin and ChNPs was observed in maintaining the quality characteristics of meat samples during storage. Therefore, this study aims to evaluate the performance of double gelatin coating containing ChNPs in combination with CA coating in the storage quality improvement of chicken breast meat stored for 12 days at 4 °C to develop novel and practical coatings for meat and meat products.
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 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».