MétaCan
Menu
Retour à la cohorte
Enregistrement W85381061 · doi:10.1093/jaoac/84.2.593

Variations of Moisture Measurements in Cheese

2001· article· en· W85381061 sur OpenAlexaff
Douglas B. Emmons, Robert L. Bradley, J Paul Sauvé, Carol Campbell, Christophe Lacroix, S.A. Jimenez-Marquez

Notice bibliographique

RevueJournal of AOAC International · 2001
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueProbiotics and Fermented Foods
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésMoistureEnvironmental scienceMeteorologyGeography

Résumé

récupéré en direct d'OpenAlex

Data were accumulated during interlaboratory trials for cheese moisture determination from laboratories using officially recognized methods: AOAC; International Dairy Federation, and Standard Methods for the Examination of Dairy Products (SM). In one trial, ranges of means of 5 cheeses were 0.67, 0.56, and 0.19% for 5, 9, and 8 laboratories, respectively. The lower ranges for the SM method were typical of 3 other interlaboratory trials, with ranges of 0.27, 0.34, and 0.34% for 6, 7, and 5 laboratories, respectively. Within one laboratory, there were no significant differences among the 3 methods, but they all gave about 0.2% lower results than 2 other methods, one using freeze-drying, followed by drying in a vacuum, the other using cheese that was spread on sand and dried in a vacuum oven for 24 h. This finding indicated that none of the officially recognized methods removed all the moisture. Data showed that many laboratories tended to give either higher or lower results than the mean of all of them in a series of 7 interlaboratory trials. Constant results, free of biases or systematic errors, are important in application of formulas for prediction of yield of cheese for purposes of yield control, but are difficult to obtain. It is proposed that results by a laboratory in interlaboratory trials be compared with those obtained by one or more reference laboratories using a method that removes all the moisture from cheese. The difference would be applied as a constant in the predictive yield formula. That difference would likely be best as a running mean of differences in an ongoing series of trials. The reference laboratories would use frozen samples for quality control to ensure uniformity of results among trials. Mean moistures of 36.10 and 36.11% were obtained on subsamples before and after freezing for 7 months.

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)0,006
score de la tête « metaresearch » (Gemma)0,013
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,013
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,038
Tête enseignante GPT0,257
Écart entre enseignants0,219 · 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

Citations9
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of AOAC InternationalMême sujetProbiotics and Fermented FoodsTravaux en français237 207