Improvement of the Nutritional Quality of a Traditional Complementary Porridge Made of Fermented Yellow Maize ( <i>Zea Mays):</i> Effect of Maize–Legume Combinations and Traditional Processing Methods
Notice bibliographique
Résumé
BACKGROUND: Blends with a cereal-legume ratio of 70:30 have been introduced in many communities for use in the preparation of complementary foods with augmented protein quality. These foods should meet World Health Organization estimated energy and nutrient needs from complementary foods. OBJECTIVE: To increase energy and nutrient densities and nutrient availability in a traditional complementary porridge. METHODS: Yellow maize was processed by lactic acid fermentation. Peanuts (Arachis hypogea) and beans (Phaseolus vulgaris) were processed by germination, roasting, dehulling, and a combination of germination and roasting. Blends were prepared from processed peanuts and beans and cooked into porridges with viscosities less than 3,000 cp. Traditional porridge was the control and consisted of fermented yellow maize only. The porridges were analyzed for their physicochemical and nutritional properties. RESULTS: Blends increased energy and nutrient densities in porridges compared with the control (p < .05). The maize-peanuts combination yielded porridges with higher energy densities and improved nutritional quality compared with the maize-beans combinations. In vitro availability of iron did not change (p > .05) with formulation of the blends except for porridges made from maize and germinated peanuts, but there was a significant increase in zinc in vitro availability, whereas a decrease was observed for calcium in vitro availability. The energy densities of maize-peanuts porridges were sufficient to cover energy required from complementary foods for infants aged 6 to 11 months receiving four meals of complementary foods per day and an average amount of energy from breastmilk. CONCLUSIONS: Maize-legume blends can efficiently improve the nutritional quality of traditional porridge. Peanuts are the best legume complements.
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 | 0,000 | 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) | 0,001 | 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 ».