Impact of fat level on piperine’s cross-modal interaction on saltiness perception
Notice bibliographique
Résumé
Novel strategies are needed to reduce the salt content of different food products. Chemical irritants, such as piperine, have been proposed to have a cross-modal interaction that can enhance saltiness perception. The objective was to add piperine to a soup below the detection threshold (0.50 ppm) and identify its’ impact on sensory perception. The study also identified how increasing the fat content in the soup impacted the sensory properties of the soup. For this experiment, cream of potato soup was made without piperine (control), along with soups with piperine (below detection threshold) and differing amounts of fat (four different samples, 0 %C, 50 %C, 75 %C and 100 %C). Participants (n = 89) evaluated the soup using intensity scales (15 cm) and nine-point hedonic scales. The piperine led to an increased saltiness in the soup, as well as bitterness, spiciness, and a decreased liking. The fat addition increased the liking of the soup and reduced the bitterness and spiciness. It also increased sweetness and aftertaste intensity. However, the fat addition did not impact the saltiness perception. The participants were categorized based on their preference level for spice. Those that had a greater spice preference rated the samples more positively and noticed the spiciness in the samples less than those that had a lesser spice preference. Further studies are needed to continue assessing piperine’s cross-modal interaction in different food matrices.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».