MétaCan
Menu
Retour à la cohorte
Enregistrement W4406067609 · doi:10.20448/aesr.v11i2.6232

Properties of boiled or steamed Procambarus clarkii girard and Procambarus zonangulus crawfish tail meat during refrigerated and frozen storage

2024· article· en· W4406067609 sur OpenAlexaff
John B Shackelford, Kenneth McMillin, J David Bankston, Marlene Janes, Lucina E Lampila

Notice bibliographique

RevueAgriculture and Food Sciences Research · 2024
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueMeat and Animal Product Quality
Établissements canadiensMaple Leaf Foods
Organismes subventionnairesnon disponible
Mots-clésProcambarus clarkiiFood scienceCrayfishFisheryBiology

Résumé

récupéré en direct d'OpenAlex

This research was conducted to address the different cooking methods of crawfish processors and determine the refrigerated or frozen shelf-life of cooked product. Live crawfish, (Procambarus clarkii girard and Procambarus zonangulus), were either boiled or steamed before storage of 11 days in refrigerated (3°C) conditions or six months in frozen storage (-18°C). There were minimal moisture, ash, protein, and fat differences with cooking type or storage type. There were no E.coli/coliforms in samples and aerobic plate counts were less than 3 log10 colony forming untis (CFU)/g after 6 mo frozen storage and higher than 3 log10 CFU/g after 3 days of refrigerated storage. Lipid oxidation by TBARS increased, but was less than 0.53 mg MDA/kg during storage. Peak force, total shear work, pH, L*, a*, b* color values were variable during storage, but not different between cooking treatments at each storage period. Mineral and fatty acid analyses were similarly variable. There were no differences between boiling and cooking crawfish for most variables and natural variation among the samples might explain variability in refrigerated and frozen storage. Processors can use either boiling or steaming to cook crawfish and store cooked crawfish for 3 days in refrigerated storage and for 6 weeks in frozen storage with minimal changes in properties.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,124
Tête enseignante GPT0,308
Écart entre enseignants0,184 · 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'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 revueAgriculture and Food Sciences ResearchMême sujetMeat and Animal Product QualityTravaux en français237 207