Alginate-based Microencapsulation of Iron through 2 3-fluid nozzle Spray Drying Techniques for Tea Fortification
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Iron-deficiency anaemia is a global health issue, affecting over 1.2 billion people and causing significant health and economic impacts. Traditional solutions like supplementation and dietary changes are often unfeasible for low- and middle-income groups. This study explores a cost-effective solution: fortifying milk tea with iron through alginate-based microencapsulation using two- and three-fluid nozzle spray drying techniques. As the second most popular beverage globally, tea is an ideal vehicle for fortification. Various strategies were explored, including optimising spray drying parameters (inlet temperatures of 120°C, 140°C, and 160°C; core and shell feed flow rates of 1.47 mL/min and 1.4 mL/min, or 2.4 mL/min and 2.8 mL/min, respectively), varying sodium alginate concentrations (1%, 2%, 3%), and incorporating additional wall materials like fungal chitosan and gum arabic. A double-coating method with fungal chitosan was the most effective approach. The optimised formulation used 3% (w/v) sodium alginate and 2.39% (w/v) ferrous sulphate heptahydrate in the core feed, along with 0.69% (w/v) calcium carbonate in the shell feed during the first spray drying with a three fluid nozzle with an inlet temperature of 120℃, flow rate of 1.47 mL/min for core feed and 1.4 mL/min for shell feed. The premix was further coated with 0.5% (w/v) fungal chitosan in a second spray-drying step with a two-fluid nozzle with the same parameters. This method achieved an encapsulation efficiency of 70% ± 21.6 while preserving the tea’s taste and appearance (ΔE = 2.1 ± 1.1). Our approach demonstrates significant potential for combating iron-deficiency anaemia effectively.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 découle