MétaCan
Menu
Retour à la cohorte
Enregistrement W4398170417 · doi:10.1080/07373937.2024.2353086

Osmotic dehydration of waxy skinned berries - a review

2024· review· en· W4398170417 sur OpenAlexaff
Shokoofeh Norouzi, Valérie Orsat, Nushrat Yeasmen, Marie‐Josée Dumont

Notice bibliographique

RevueDrying Technology · 2024
Typereview
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFood Drying and Modeling
Établissements canadiensUniversité LavalMcGill University
Organismes subventionnairesnon disponible
Mots-clésDehydrationOsmotic dehydrationFood scienceChemistryHorticultureBiologyBiochemistry

Résumé

récupéré en direct d'OpenAlex

Waxy skinned berry fruits contain essential nutrients and play an important role in human health and nutrition. However, these fruits encounter two major problems; firstly, they are extremely perishable in nature that limits their consumption throughout the year and to address this bottleneck, osmotic dehydration (OD) can be an efficient way which brings the second problem associated with berries. The waxy skin of some valuable berries acts like a barrier and reduces the mass transfer (MT) during OD. The restricted MT during OD can be improved by applying pretreatments, accelerators during OD as well as optimizing OD parameters. Therefore, this review is first of its kind aims to provide a comprehensive discussion on the concept of OD, pretreatments and processing parameters associated with the improved MT in the waxy skinned berries. In terms of maintaining the sensory attributes, innovative non-thermal pretreatments are found better than classical thermal, mechanical, and chemical/enzymatic pretreatments. Moreover, factors affecting the MT rate and efficiency of OD processes, along with mathematical and computational models to optimize OD of waxy skinned berries are given. The advantages of OD processes on the quality of the products, in terms of bioactive compounds, texture, sensory properties, and color, were additionally summarized. The novelty of this review lies in its exclusive focus on the OD of berry fruits with a waxy layer on their surface and the strategies to ease off the process.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,061
Tête enseignante GPT0,329
Écart entre enseignants0,267 · 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'étudeSans objet
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

Citations7
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDrying TechnologyMême sujetFood Drying and ModelingTravaux en français237 207