MétaCan
Menu
Retour à la cohorte
Enregistrement W4400378324 · doi:10.59957/jctm.v59.i4.2024.1

CHEMICAL COMPOSITION AND OPTICAL PROPERTIES OF REFINED SUNFLOWER OIL WITH ADDED VARIOUS OILS

2024· article· en· W4400378324 sur OpenAlexaff
Galia Gentscheva, Nadezhda Petkova, Krastena Nikolova, Aleksandar Pashev, Albena Predoeva, Tinko Evtimov, Ina Yotkovska

Notice bibliographique

RevueJournal of Chemical Technology and Metallurgy · 2024
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueThermodynamic properties of mixtures
Établissements canadiensUniversité du Québec en Outaouais
Organismes subventionnairesnon disponible
Mots-clésSunflower oilComposition (language)Chemical compositionSunflowerChemistryFood scienceOrganic chemistryAgronomyBiology

Résumé

récupéré en direct d'OpenAlex

Some physicochemical characteristics and elemental composition of refined sunflower oil, as well as linseed oil added to it, were investigated; linseed oil and olive oil; truffle oil and rosemary oil. Fatty acid analysis shows substantial increases in monounsaturated fatty acids with the addition of truffle and rosemary oils (up to about 78 %). With the same supplements, a significant oxidative stability over 20 hours was also observed. High concentrations of chlorophyll were found with the addition of rosemary oils and oils of linseed oil and olive oil. β-carotene was affected three to six times in all supplements compared to the commonly refined oil. Eight elements (Mg, Cr, Mn, Zn, Ni, As, Pd and Cd) were analyzed in the studied oils, no presence of toxic elements As and Cd (< 0.02 mg kg-1), lead was up to 0.04 mg kg-1. The remaining elements vary in different concentrations depending on the additive oils used. The fluorescence spectra of the tested samples were obtained for excitation wavelengths of 380 nm, and the fluorescence maxima allowed to determine the relationship between the optical and chemical properties of the samples. In addition, infrared spectroscopic experiments (ATR and transmittance) were used to investigate the fatty acid profile of the analyzed oil samples.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,537

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,194
Écart entre enseignants0,188 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Chemical Technology and MetallurgyMême sujetThermodynamic properties of mixturesTravaux en français237 207