MétaCan
Menu
Retour à la cohorte
Enregistrement W4391214361 · doi:10.1146/annurev-food-110923-034834

Wheat Sourdough Breadmaking: A Scoping Review

2024· review· en· W4391214361 sur OpenAlexafffund
Yamina De Bondt, Celine Verdonck, M. Brandt, Luc De Vuyst, Michael G. Gänzle, Marco Gobbetti, Emanuele Zannini, Christophe M. Courtin

Notice bibliographique

RevueAnnual Review of Food Science and Technology · 2024
Typereview
Langueen
DomaineNursing
ThématiqueFood composition and properties
Établissements canadiensUniversity of Alberta
Organismes subventionnairesStaatssekretariat für Bildung, Forschung und InnovationKU LeuvenVlaamse regeringEuropean CommissionHORIZON EUROPE Framework ProgrammeFonds Wetenschappelijk OnderzoekCanada Research ChairsVrije Universiteit BrusselAgentschap Innoveren en Ondernemen
Mots-clésLeavening agentFood scienceQuality (philosophy)StandardizationBiotechnologyHealth benefitsBread makingFermentationBiologyComputer scienceMedicineTraditional medicine

Résumé

récupéré en direct d'OpenAlex

Using sourdough in breadmaking can enhance bread's shelf-life and flavor compared to exclusive baker's yeast use and is believed to increase its nutritional quality and healthiness. Previous research established insight into the microbial ecology of sourdough, but the link between leavening agent use, processing, and bread quality remains elusive. However, such knowledge is key for standardization, research on the health benefits, and the definition of sourdough bread. In this systematic scoping review, we analyzed 253 studies and identified large variations in the type and amount of leavening agent, fermentation conditions, and bread quality (specific loaf volume and acidification). The interrelation between these elements and their effect on the extent of fermentation is discussed, together with issues preventing proper comparison of breadmaking procedures. With this review, we want to contribute to the dialogue concerning the definition of sourdough-type bread products and the research into the health benefits attributed to them.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,013
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,003
Bibliométrie0,0100,012
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,050
Tête enseignante GPT0,384
Écart entre enseignants0,334 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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

En bref

Citations16
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAnnual Review of Food Science and TechnologyMême sujetFood composition and propertiesTravaux en français237 207