Quality attributes of pasta produced from cassava starch, egg powder and spiced with ginger flour
Notice bibliographique
Résumé
Protein malnutrition stands out as the most serious nutrition deficiency problem in infants and young children in developing countries. This study investigated the quality attributes of pasta produced from a blend of cassava starch, egg powder, and ginger flour. D-optimal mixture design approach was used for the formulation of the flour blends, resulting into fourteen experimental runs. Pasta was manufactured from this blend via cold extrusion process and was analyzed for proximate composition, colour, antioxidant, cooking and sensory properties using standard methods. The crude protein and total carbohydrate contents of the pasta ranged from 4.15-8.40% and 81.29-86.28%, respectively. Significant differences (p<0.05) were observed, from a statistical viewpoint, in the colour and antioxidant properties. The cooking properties ranged from 8.45-20.07min, 2.88-20.00%, 1.06-8.47% and 86.50-468.74% for cooking time, cooking loss, expansion ratio and water absorption capacity, respectively. However, pasta produced from cassava starch, egg powder and ginger flour were all preferred by the panelists in terms of aroma, colour, texture and appearance, but pasta from the control sample had the highest overall acceptability. The study showed that pasta from cassava starch, egg powder and ginger flour could be useful to combat malnutrition and nutritional deficiencies in developing countries.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».