MD мил Козочка отзывы. Советы и рекомендации врачей педиатров о смеси MD мил Козочка по применению

5 / 5

Молочная смесь MD мил Козочка — отзывы педиатров и родителей по применению

2 голоса

Смесь на основе козьего молока.

Мнения врачей, Что пишут люди, Вопросы пользователей

Перед применением необходима консультация со специалистом — проконсультироваться

Анкета смеси на козьем молоке

Был ли у Вас опыт применения молочной смеси MD мил Козочка?

Да, был ранее

Да, применяю в настоящее время

Нет, опыт отсутствует

Чем руководствовались при выборе смеси MD мил Козочка?

Мнением специалиста: педиатра, детского гастроэнтеролога, специалиста по вскармливанию – нутрициолога

Личным мнением, в том числе, основанном на опыте подруг или родственников, анализе литературы и отзывов в СМИ

Не было опыта использования

Когда Вашему малышу была введена смесь?

На первом месяце жизни

В первые 6 месяцев жизни

После 6 месяцев жизни

Только планирую перевести

Какие симптомы наблюдались у ребенка до использования смеси MD мил Козочка?

Предрасположенность к аллергии на коровий белок

Вторичная лактазная недостаточность – дефицит фермента лактазы

Частые срыгивания

Колики и дисбаланс кишечной микрофлоры

Другое (Опишите свою ситуацию в комментариях)

При вскармливании ребенка смесью на козьем молоке возникали ли явления нарушенного пищеварения или симптомы непереносимости?

Нет. Все былые проблемы были полностью решены, а новые не возникли

Отчасти. В периоде адаптации к смеси на основе козьего молока ребенок испытывал некоторые проблемы

Да. Временами животик беспокоит моего малыша

Не было опыта применения

Наблюдались ли во время вскармливания смесью у ребенка железодефицитная анемия или рахит?

Нет. Все необходимые микроэлементы и витамины поступали со смесью

Да. Пришлось проводить ранее или проводим сейчас терапию препаратами железа и витамина Д для коррекции их дефицита

Не было опыта применения

Как прибавлял (-ет) ребенок в весе при вскармливании смесью на козьем молоке MD мил Козочка?

Хорошо. Ежемесячные прибавки в весе были достаточными – средними

Слишком хорошо. Прибавка в весе за месяц иногда была выше средних значений в 1,5-2 раза

Плохо. Мой ребенок набирал вес плохо при вскармливании смеси на козьем молоке. Потребовался подбор специализированного питания

Не было опыта применения

Как вскармливание смесью отражается или отражалось на уровне психо-моторного развития ребенка?

Отлично. По некоторым параметрам мой ребенок опережает своих сверстников

Хорошо. Невролог регистрирует норму психо-моторного развития моего ребенка

Неудовлетворительно. Психо-моторное развитие моего ребенка несколько отстает от сверстников

Не было опыта применения

Как бы Вы оценили свой опыт вскармливания с помощью смеси на козьем молоке MD мил Козочка?

Отлично

Хорошо

Плохо

Другое

Результат голосования

Пользовательский рейтинг

MD мил Козочка отзывы врача

Все врачи являются экспертами нашего сервиса. Документы врачей проверены.

МD мил SP Козочка

МD мил SP Козочка предназначена для вскармливания детей от 1 года.

Соотношение сывороточных белков и казеина 35:65.

В данной смеси отсутствует белок альфа-S1-казеин, который находится в избытке в коровьем молоке, снижая тем самым риск развития пищевой аллергии. Сывороточные белки в MD мил SP Козочка улучшают пищеварение.

Соотношение жирных кислот в ланной смеси является наиболее приемлимым. Оптимальным при искусственном вскармливании считается отношение омега-6 к омега-3, равное 7:1.

MD мил SP Козочка – единственная смесь на основе козьего молока, которая произведена в соответствие с этой рекомендацией, принятой Ассоциацией союза немецких, австрийских и швейцарских обществ по вопросам питания (DACH).

Пребиотики (галакто-олигосахариды) в составе MD мил SP Козочка – отличная профилактика дисбактериоза.

MD мил SP Козочка – единственная из смесей на козьем молоке, в которой осмоляльность в первой и второй формулах составляет соответственно 278 и 258 мОсм/кг, т. е. максимально снижена нагрузка нагрузка на почки малыша.

В своем составе смесь содержит: частично обезжиренное сухое козье молоко, концентрат сывороточного белка козьего молока, мальтодекстрин, смесь растительных масел высокого качества, лактоза, галактоолигосахариды,богатый витаминно-минеральный премикс, холин, масло Mortierella Alpina(ARA), масло Algae (DHA), L- карнитин.

Высоко-олеиновое пальмовое масло, входящее в состав – это уникальный источник витамина А.

Также пальмовое масло необходимо для повышения уровня холестерина, который крайне важен для детей в возрасте до 2 лет, так как в этот период головной мозг и центральная нервная система ребенка развиваются гораздо быстрее и интенсивнее.

Оценка врача:

2017-09-03 16:21:51

Отзывы о смеси MD мил Козочка

Внимательно относитесь к отзывам пользователей. Некоторые компании-производители, могут заказывать покупные отзывы.

Хорошо кушаем Козочку на смешанном вскармливании

Опыт питания такой смесью у нас 3 недели. Вводили ее постепенно, как и положено. Используем Козочку в дополнение к грудному молоку, каких-либо проблем не заметили. С газиками-коликами не сталкивались, сыпи не было. Малышу вкус нравится. Надеюсь, так и дальше будет)

MD мил Козочка вопросы пользователей

Искуственное кормление.

Добрый день! ребенку 4,5 мес, кушает Нэнни с пребиотиками, на молочной кухне начали давать нутрилак премиум, хотелось бы знать, если я перейду с Нэнни на эту смесь не будет ли вреда? так же мы вводим прикорм из брокколи, кабачков и молочной каши М…

Anna Kegeles – Страница 2 – MDMIL

Anna Kegeles Апр 29 0

8 августа 2016

27-28 апреля во Дворце Зрелищ и Спорта в рамках выставки «Человек. Экология. Здоровье.» Пройдет день «Семейного здоровья». Для маленьких посетителей будет проведена дегустация…

Anna Kegeles Апр 29 0

28 сентября 2016

Уважаемые родители, приглашаем Вас посетить стенд нашей компании ООО «Космофарм» в рамках Фестиваля беременных и младенцев 10-13 ноября 2016 г. , Конгресс — выставочный…

Anna Kegeles Апр 29 0

1 октября 2016

Уважаемые покупатели Санкт-Петербурга. Начаты поставки продукции MD мил в сеть магазинов ВотонЯ. Весь ассортимент можно приобрести как в интернет магазине (https://www.votonia.ru/catalog/smesi/?brand=000000232) так и…

Anna Kegeles Апр 29 0

11 октября 2016

Скидка 15% на MD Мил 2 и 3 формулы. MD мил SP Козочка 2   http://www.babadu.ru MD мил SP Козочка 3  http://www.babadu.ru

Anna Kegeles Апр 29 0

12 октября 2016

Скидки до 20% на молочную смесь MD мил Козочка 2 и 3. Акция действует 14.10.16 — 31.10.16 MD мил SP Козочка 2  http://www.mladenec-shop.ru…

Anna Kegeles Апр 29 0

16 октября 2016

Скидка 15% на МD мил SP Козочка 2 и 3 формулы. Акция действует с 17.10.16 — 31.10.16 D мил SP Козочка 2  http://www.babypages.ru…

Anna Kegeles Апр 29 0

14 октября 2016

Скидка 15% на MD мил 2 и 3 формулы Акция действует с 17.10.16 — 31.10.16 MD мил SP Козочка 2  http://www.special-baby.ru MD мил…

Anna Kegeles Апр 29 0

2 ноября 2016

Акция во всех магазинах сети «Кораблик» скидка на линейку МD мил SP Козочка 20%. Период проведения акции с 02.11.16 по 15.11.16. MD мил SP…

Anna Kegeles Апр 29 0

2 ноября 2016

Скидка 15% на МD мил SP Козочка 2 и 3 формулы на сайте www.onlinetrade.ru Акция действует с 01.11.16 — 15.11.16 MD мил SP…

Anna Kegeles Апр 29 0

2 ноября 2016

Скидка 10% на МD мил SP Козочка 1, 2, 3 формулы на сайте  www. malish-am.ru Акция действует с 01.11.16 — 15.11.16 MD мил SP…

Anna Kegeles Апр 29 0

2 ноября 2016

Скидка 15% на МD мил SP Козочка 2 и 3 формулы на сайте  www.akusherstvo.ru Акция действует с 15.11.16 — 31.11.16 MD мил SP…

Anna Kegeles Апр 29 0

2 ноября 2016

Скидка 15% на МD мил SP Козочка 2 и 3 формулы на сайте  www.dobroma.ru Акция действует с 16.11.16 — 30.11.16 MD мил SP…

Anna Kegeles Апр 29 0

10 ноября 2016

В интернет-магазине www.kideria.ru месяц скидок на всю линейку продукции МD мил. Скидка 15%. Период проведения акции с 07.11.16 по 07.12.16.

Anna Kegeles Апр 29 0

17 ноября 2016

В эти снежные солнечные дни на фестивале было много посетителей. Пик активности пришелся на выходные дни. Бренд МД Мил SP Козочка проводил интерактивные…

Anna Kegeles Апр 16 0

Пробиотики и пребиотики в детском питании

Х. Паррачо (Parracho H), А.Л. Маккартни (McCartney AL), Г.Р. Гибсон (Gibson GR) Подразделение пищевых микробиологических наук, Департамент пищевых бионаук, Университет Рединга, Уайтнайтс, Великобритания.…

Anna Kegeles Апр 16 0

Олигосахариды в детских молочных смесях

И. Ванденплас (Y. Vandenplas) Аннотация Кормление грудью является золотым стандартом детского питания. Однако, большинство детей в возрасте нескольких недель питаются в качестве второй…

Anna Kegeles Апр 16 0

Внимание: послегрудничковый период!

Малыш заметно подрос, и все семейство весело отмечает первый юбилей! В торте ярко горит первая праздничная свеча, и родственники с гордостью обсуждают новые…

Характеристика и идентификация отдельных интактных образцов мышц козы (Capra sp.

) с использованием портативного спектрометра ближнего инфракрасного диапазона и хемометрии

• Список журналов
• Еда
• PMC9498649

В качестве библиотеки NLM предоставляет доступ к научной литературе. Включение в базу данных NLM не означает одобрения или согласия с
содержание NLM или Национальных институтов здравоохранения.

Узнайте больше о нашем отказе от ответственности.

Продукты питания. 2022 сен; 11(18): 2894.

Опубликовано в сети 18 сентября 2022 г. doi: 10.3390/foods11182894

, ¹ , ^{1, 2} , ^{1, 2} , ^{1, 2} , ^{1, 2} , ¹ , ^{3, 4} и ^{1, *}

Дэвид Бонги orno, академический редактор

Информация об авторе Примечания к статье Информация об авторских правах и лицензиях Отказ от ответственности

Заявление о доступности данных

Фальсифицированные, некачественные и небезопасные пищевые продукты, включая мясо, по-прежнему являются серьезной проблемой как для пищевой промышленности, так и для потребителей, что привело к усилиям по поиску альтернативных технологий для выявления этих проблем. В этом исследовании оценивалось использование портативного прибора ближнего инфракрасного диапазона (БИК) в сочетании с хемометрией для идентификации и классификации отдельных интактных образцов свежих мышц козла. Использовали свежие туши коз (n = 35; от 19 до 21,7 кг живого веса) разных животных (возраст, порода, пол) и разделяли на разные товарные разделки. Таким образом, длиннейшая грудная и поясничная мышцы , двуглавая мышца бедра , полуперепончатая мышца , полусухожильная мышца , надостная мышца и подостная мышца 90 056 мышц были удалены и просканированы (900–1600 нм) с помощью портативного прибора NIR. Различия в NIR-спектрах мышц наблюдались при длинах волн около 976 нм, 1180 нм и 1430 нм, связанные с содержанием воды и жира (например, внутримышечного жира). Классификация отдельных образцов мышц была достигнута с помощью линейного дискриминантного анализа (LDA) с приемлемой точностью (68–94%), используя БИК-спектры второй производной. Результаты показали, что NIR-спектроскопия может использоваться для идентификации отдельных мышц коз.

Ключевые слова: туша, хемометрия, классификация, козлятина, инфракрасное излучение. 2,3,4,5,6,7]. Различные исследователи сообщили, что использование NIR-спектроскопии имеет большой успех в идентификации и различении различных видов мяса (например, говядины, свинины, баранины и курицы), а также в аутентификации различных гомогенизированных образцов мясных мышц одного и того же или разных животных. виды [1,2,3,4,5,6,7,8]. Выявление фальсифицированного, неаутентичного, некачественного и небезопасного мяса по-прежнему остается серьезной задачей для мясной и пищевой промышленности [9].]. Мясная промышленность, а также потребители прилагают усилия для внедрения инновационных и надежных методов обнаружения, которые могут гарантировать подлинность, качество и безопасность как мяса, так и мясных продуктов в цепочках поставок и создания стоимости [3,5,10,11].

Было признано, что так называемые классические аналитические методы дороги, трудоемки, требуют много времени и не соответствуют современным задачам, стоящим перед пищевой и мясной промышленностью. Таким образом, требование гарантировать подлинность и безопасность как мяса, так и мясных продуктов повысило интерес к разработке методов экспресс-анализа в пищевой и мясной промышленности [2,3,4,5]. Среди этих быстрых методов методы колебательной спектроскопии, такие как спектроскопия NIR, среднего инфракрасного спектра (MIR) и рамановская спектроскопия, полезны для определения качества и подлинности мяса из-за присущих им характеристик (например, быстрая, надежная, неразрушающая, зеленый, относительно недорогой) [2,3,4,5].

Хотя NIR-спектроскопия применялась к различному коммерческому и экзотическому мясу (например, говядина, баранина, свинина, курица, кенгуру, дичь и т. д.) [12,13,14], было обнаружено не так много отчетов, в которых оценивалось использование этот метод для анализа образцов козьего мяса. Сообщалось только об одном исследовании, в котором оценивалась способность NIR-спектроскопии характеризовать и аутентифицировать состав образцов козьего мяса [15]. Авторы этого исследования оценили использование NIR-спектроскопии для оценки содержания белка, влаги, соединительной ткани, золы и жира в двух мышцах коз, Longissimus thoracis (LT) и L. lumborum (LL) с большим успехом (коэффициент детерминации > 0,70) [15].

Хотя основное внимание уделялось фальсификации мяса с использованием более дешевых альтернативных видов, в нескольких исследованиях оценивалась фальсификация дорогих отрубов свежего мяса более дешевыми отрубами тех же видов животных [16]. Как правило, более дорогие отрубы в туше отличаются по качеству и составу от низкокачественных отрубов или мышц. Поэтому для отрасли важно иметь возможность различать различные мышцы в смеси мясных продуктов (например, высокоценные и низкоценные мышцы или коммерческие отрубы), тем самым предоставляя доказательства происхождения и качества; стейк из филе, продаваемый как продукт с высокой стоимостью благодаря присущим ему качественным характеристикам, действительно получен из Большая поясничная мышца , а не какая-то нижняя мышца.

Таким образом, целью данного исследования была оценка использования портативного прибора ближнего инфракрасного диапазона (БИК) в сочетании с линейным дискриминантным анализом (ЛДА) для идентификации, а также классификации отдельных и интактных образцов мышц козла.

2.1. Образцы

Свежие туши коз (n = 35) разных пород и полов (самцы, самки), системы производства (включая коммерческие фермы) и два разных эксперимента были проанализированы после убоя на коммерческой бойне в Квинсленде (Австралия). Образцы были получены из двух разных экспериментов, где в эксперименте 1 забивали как самцов, так и самок коз, а в эксперименте 2 анализировали только козлов. Породы, использованные в этих исследованиях, были бурскими, бурскими помесями и австралийскими пастбищными козами. Туши коз взвешивали через 24 часа (вес сырой туши в диапазоне от 6 до 28 кг) и разделывали на различные коммерческие разделки (например, задняя нога, поясница, филе, спинка, лопатка), как описано другими авторами [17]. . В этом исследовании туши взвешивали, после чего мышцы в каждом коммерческом отрубе подвергались анатомическому рассечению. Всего было рассечено и собрано шесть мышц для каждой из туш козла, а именно длиннейшая грудная и поясничная мышцы (LTL), двуглавая мышца бедра (BF), полуперепончатая мышца (SM), полусухожильная мышца (ST), надостная мышца (SS) и в fraspinatus (ИС). Общее количество собранных и отсканированных образцов мышц составило 210 (35 коз по 6 мышц каждая).

2.2. Спектроскопия в ближней инфракрасной области спектра

Спектры NIR отдельных образцов мышц коз были собраны с использованием портативного прибора NIR (Micro-NIR 1700. Viavi, Милпитас, Калифорния, США), работающего в диапазоне длин волн 950–1600 нм (разрешение по длине волны 10 нм). Сбор спектров и настройка прибора контролировались с помощью проприетарного программного обеспечения, предоставленного производителем прибора (Viavi Solutions, 2015, Милипитас, Калифорния, США). Параметры сбора спектральных данных были установлены на время интегрирования 50 мс и среднее значение 50 сканирований (MicroNIR Prov 3.1, Viavi, Милпитас, Калифорния, США). Для каждых 10 образцов был собран эталонный спектр с использованием Spectralon ^® . Каждую мышцу сканировали в трех экземплярах, и среднее значение этих спектров использовали в дальнейшем хемометрическом анализе.

2.

3. Хемометрия и анализ данных

Данные NIR были экспортированы в The Unscrambler (версия X, CAMO, Норвегия) для анализа данных и предварительной обработки. БИК-спектры были предварительно обработаны с использованием второй производной Савицкого-Голея (21 точка сглаживания и второй полиномиальный порядок) перед интерпретацией спектров и хемометрическим анализом [18]. В этом исследовании анализ основных компонентов (PCA) и линейный дискриминантный анализ (LDA) использовались для анализа и классификации образцов мышц в соответствии с их происхождением (например, тип мышц или порода). Модели LDA были разработаны с использованием NIR-спектров второй производной и типов мышц в качестве входных переменных. Модели разрабатывались с использованием полной перекрестной проверки (не учитывайте одну) [19].,20]. Кроме того, подход Кеннарда-Стоуна использовался для выбора образцов, которые должны быть включены в набор для калибровки и проверки. Способность моделей LDA классифицировать образцы оценивалась с использованием процентного соотношения правильных (%CC) и неправильных (%IC) классификаций с использованием проверочного набора [19,20].

3.1. Spectra Interpretation

показывает необработанные спектры NIR всех проанализированных образцов мышц. Необработанные NIR-спектры мышц показали три основные полосы около 976 нм, 1176 нм и 1428 нм. Эти полосы были связаны с третьим (976 нм) и второй (1428 нм) обертон растяжения связи O-H воды [12,21], в то время как полоса около 1176 нм может быть связана со вторым обертоном растяжения C-H, связанным либо с внутримышечным содержанием жира, либо с содержанием липидов [22, 23,24]. Эффект рассеяния можно наблюдать в необработанных спектрах NIR образцов мышц, в основном из-за присутствия воды. Поэтому вторая производная использовалась для улучшения интерпретации БИК-спектров анализируемых образцов мышц (). Кроме того, среднее значение второй производной NIR-спектров каждого из отдельных проанализированных образцов мышц также указано в Поглощение в ближней инфракрасной области во всем диапазоне длин волн отдельных проанализированных образцов мышц перекрывалось, где основные сквозные участки (полосы) наблюдались при 976 нм, 1167 нм, 1341 нм и 1420 нм. Возможное объяснение этого перекрытия может быть связано со сходством анатомического расположения, а также со сходной функциональностью некоторых анализируемых мышц [14,22]. Например, и ST, и SS имеют тенденцию отличаться от других мышц около 976 нм (содержание воды) и 1167 нм [12,21]. В дополнение к различиям между ST и SS, BF имеет тенденцию отличаться от других мышц при 1416 нм (содержание воды). Изменение в спектрах NIR также можно было наблюдать около 1200 нм, что связано с липидами и белками в таких мышцах, как ST, SS и IS. Другие авторы также сообщают, что различия между мышцами (например, у цыплят) можно наблюдать в абсорбции около 980 нм относятся ко второму обертону ОН (вода), 1202 нм относятся ко второму обертону СН (липиды) и 1456 нм относятся к первому обертону ОН (вода) [22, 23, 24]. Полоса около 970 нм связана с растяжением связи O-H третьего обертона, связанного с содержанием воды [12], а полоса около 1143 нм соответствует растяжению связей C-H второго обертона, связанного с внутримышечным жиром и липидами [22]. Известно, что на приблизительный химический состав мяса влияет пол животного, у самцов обычно меньше жира и больше влаги, чем у самок [14,25]. Учитывая, что в этом исследовании использовались мышцы коз разного возраста и пола, можно сделать вывод, что некоторые из различий, наблюдаемых в спектрах NIR, могут быть связаны с внутренними различиями в содержании внутримышечного жира, липидов и влаги между животными (возраст и возраст). пола) и мышц (анатомическое положение и функциональность). Также было замечено, что некоторые мышцы перекрывают друг друга примерно на 139°.2 нм, связанный со второй обертонной валентной связью C-H, которая связана с содержанием липидов в образцах [22]. Известно, что мышцы животного различаются по своему химическому составу, в том числе по влажности и содержанию внутримышечного жира [25].

Открыть в отдельном окне

Необработанные спектры в ближней инфракрасной области всех проанализированных образцов интактных мышц козла.

Открыть в отдельном окне

Спектры второй производной в ближней инфракрасной области всех проанализированных образцов интактных мышц козла.

Открыть в отдельном окне

Усредненные спектры второй производной в ближней инфракрасной области каждого из проанализированных образцов интактных мышц козы.

3.2. Анализ основных компонентов

показывает график оценки PCA и нагрузки, полученные из спектров NIR второй производной проанализированных образцов интактной козьей мышцы. Анализ PCA показал, что 94% дисперсии в спектрах NIR отдельных образцов мышц объясняются первыми тремя основными компонентами (PC1 57%, PC2 32% и PC3 5%). Хотя это не ясно из рисунков, похожие образцы мышц имеют тенденцию группироваться вместе. Эту тенденцию также можно наблюдать при построении графиков ПК2 и ПК3. Мышцы, такие как SM, имеют тенденцию образовывать плотный кластер, в то время как BF и LTL разбросаны по разным PC. В целом трудно наблюдать четкое разделение между образцами мышц, когда все образцы анализируются вместе. Самые высокие нагрузки в ПК1 объясняли разделение между образцами и наблюдались около 9 часов.76 нм (OH), 1180 нм (CH) и 1428 нм (OH), связанные с содержанием воды. Самые высокие нагрузки как в ПК2, так и в ПК3 были аналогичны наблюдаемым в ПК1, хотя были заметны некоторые сдвиги длины волны. Самые высокие нагрузки в PC3 наблюдались при 1112 нм, 1180 нм, 1242 нм и 1397 нм; обе полосы при 1242 нм и 1397 нм были связаны с содержанием жира или липидов [22].

Открыть в отдельном окне

Открыть в отдельном окне

График оценок главных компонент (панель ( A , B )) и загрузки (панель ( C )) интактных козьих мышц анализировали с использованием отражательной спектроскопии в ближней инфракрасной области.

3.3. Классификация

Результаты классификации с использованием LDA на основе NIR-спектров второй производной отдельных образцов мышц представлены в . Матрица путаницы LDA показала, что образцы мышц были правильно классифицированы в диапазоне от 63% до 94%, в зависимости от типа мышцы. Плохие показатели классификации наблюдались для LTL (63%), ST (74%) и SM (71%). Для LTL 13 образцов были неправильно классифицированы, а 10 и 8 были неправильно классифицированы для ST и SM соответственно. С другой стороны, хорошие и очень хорошие показатели классификации были получены для BF (82%), SS (94%) и ИС (85%) соответственно. Для BF было неправильно классифицировано шесть образцов, в то время как для SS и IS было неправильно классифицировано только два и пять образцов соответственно. Эти различия могут быть связаны с анатомическими и физиологическими различиями между мышцами, а также могут быть объяснены различиями в ориентации волокон, химическом составе мышц, физиологии, анатомической функции и текстуре [22,25]. Хотя средняя вторая производная NIR-спектров кажется относительно похожей для разных проанализированных образцов мышц, спектральные свойства были разными, что позволяет проводить различие между разными мышцами.

Таблица 1

Матрица путаницы линейного дискриминантного анализа для классификации отдельных образцов мышц коз, проанализированных интактными с помощью спектроскопии отражения в ближней инфракрасной области спектра. Результаты соответствуют валидации. Жирным шрифтом выделено правильное количество классифицированных образцов.

	LTL	BF	ST	SM	SS	IS
LTL	22	1	0	6	1	5
БФ	0	29	0	3	2	1
СТ	0	1	26	1	2	5
SM	1	6	1	25	1	1
нерж. сталь	0	0	0	0	33	2
IS	0	0	0	2	3	30

Открыть в отдельном окне

LTL: длиннейшая грудная и поясничная мышцы, BF: двуглавая мышца бедра, SM: полуперепончатая мышца, ST: полусухожильная, SS: надостная мышца, IS: подостная мышца.

Мы также попытались разделить мышцы по генотипу (например, бурский олень, бурский кросс и австралийские пастбищные угодья). Когда все образцы мышц были проанализированы вместе, была достигнута степень классификации в диапазоне от 52 до 58%. Таким образом, сравнения между бурским козлом и австралийским пастбищным угодьем, бурским помесью и австралийским пастбищным угодьем, а также бурским помесью и бурским оленем проводились отдельно. Образцы мышц были классифицированы правильно с вероятностью 80% при сравнении бурского оленя и австралийских пастбищных угодий. Для двух других групп, несмотря на то, что было достигнуто улучшение скорости классификации (правильная классификация около 70%), мышцы, принадлежащие кроссу Кабана, не были правильно классифицированы. Это можно объяснить тем фактом, что бурские козлы и помесные козлы генетически более похожи по сравнению с австралийскими пастбищными животными. Результаты этого исследования показали, что NIR-спектроскопия позволила определить происхождение мышц с использованием интактных образцов (таким образом, нет необходимости в гомогенизации). Эти результаты показывают, что использование NIR также может быть распространено на другие виды и мышцы в качестве высокопроизводительного инструмента для определения происхождения мяса.

В этом исследовании сообщалось об использовании портативного БИК-спектрометра в сочетании с хемометрическим методом для характеристики и идентификации различных образцов мышц коз. Различия в NIR-спектрах мышц наблюдались около 970 нм, 1242 нм, 1397 нм и 1428 нм, связанные с содержанием воды и жира (например, IMF). Классификация отдельных образцов мышц показала, что образцы могут быть классифицированы с точностью от 68% до 94% с использованием NIR-спектров второй производной. Мышцы, находящиеся в одном и том же анатомическом месте, такие как IS и SS, были правильно классифицированы с помощью NIR-спектроскопии. В целом, результаты этого исследования показали, что NIR-спектроскопия может использоваться для характеристики и идентификации различных образцов интактных мышц коз. В будущем мы можем ожидать улучшения моделей NIR за счет включения образцов из других коммерческих и производственных условий, а также другой генетики. Результаты этого исследования могут быть распространены на другие виды и типы мышц, производимых и продаваемых на коммерческом предприятии, с несколькими преимуществами, которые обеспечивает NIR, такими как низкая стоимость и тот факт, что этот метод является неразрушающим.

Работа частично финансировалась за счет внутренних средств UQ. BD получила средства от Министерства сельского хозяйства, MZE в Чехии, Министерства земледелия ЧР, номер гранта MZE-RO0718.

Л.Ч., П.И., А.Х.К., С.З., З.И., М.Б., Д.Б. и округ Колумбия: сбор и анализ данных; Л.Ч., Д.Б. и DC: предварительная подготовка и редактирование рукописи; Л.Ч.Х. и округ Колумбия: надзор. LCH: администрирование проекта. Все авторы прочитали и согласились с опубликованной версией рукописи.

Неприменимо.

Неприменимо.

Неприменимо.

Авторы заявляют об отсутствии конфликта интересов.

Примечание издателя: MDPI сохраняет нейтралитет в отношении юрисдикционных претензий в опубликованных картах и ​​институциональной принадлежности.

1. Аббас О., Задравец М., Баетен В., Микуш Т., Лешич Т., Вулич А., Прпич Й., Емершич Л., Плеадин Дж. Аналитические методы, используемые для аутентификации пищевых продуктов животного происхождения . Пищевая хим. 2018; 246:6–17. doi: 10.1016/j.foodchem.2017.11.007. [PubMed] [CrossRef] [Академия Google]

2. Guy F., Prache S., Thomas A., Bauchart D., Andueza D. Прогнозирование жирнокислотного состава мяса ягненка с использованием спектроскопии отражения в ближней инфракрасной области (NIRS) Food Chem. 2011; 127:1280–1286. doi: 10.1016/j.foodchem.2011.01.084. [PubMed] [CrossRef] [Google Scholar]

3. Kademi H.I., Ulusoy B.H., Hecer C. Применение миниатюрной и портативной спектроскопии ближнего инфракрасного диапазона (NIRS) для проверки и контроля мяса и мясных продуктов. Food Rev. Int. 2019;35:201–220. дои: 10.1080/87559129.2018.1514624. [CrossRef] [Google Scholar]

4. Прието Н., Роэ Р., Лавин П., Баттен Г., Андрес С. Применение спектроскопии отражения в ближней инфракрасной области для прогнозирования качества мяса и мясных продуктов: обзор. Мясная наука. 2009; 83: 175–186. doi: 10.1016/j.meatsci.2009.04.016. [PubMed] [CrossRef] [Google Scholar]

5. Rady A., Adedeji A. Оценка различных мясных продуктов на наличие примесей с помощью спектроскопии в видимом и ближнем инфракрасном диапазоне. Мясная наука. 2018;136:59–67. doi: 10.1016/j.meatsci.2017.10.014. [PubMed] [CrossRef] [Академия Google]

6. Вильджоен М., Хоффман Л.К., Брэнд Т.С. Прогнозирование химического состава баранины с помощью спектроскопии отражения в ближней инфракрасной области. Малый Румин. Рез. 2007; 69: 88–94. doi: 10.1016/j.smallrumres.2005.12.019. [PubMed] [CrossRef] [Google Scholar]

7. Weeranantanaphan J., Downey G., Allen P., Sun D.W. Обзор спектроскопии в ближней инфракрасной области при анализе мышечной пищи: 2005–2010 гг. J. Ближний инфракрасный спектр. 2011;19:61–104. doi: 10.1255/jnirs.924. [CrossRef] [Академия Google]

8. Damez J.L., Clerjon S. Количественная оценка и прогнозирование атрибутов качества мяса и мясных продуктов с использованием электромагнитных волн: обзор. Мясная наука. 2013;95:879–896. doi: 10.1016/j.meatsci.2013.04.037. [PubMed] [CrossRef] [Google Scholar]

9. Камруззаман М., Элмасри Г., Сан Д.В., Аллен П. Применение гиперспектральной визуализации NIR для распознавания мышц ягненка. Дж. Фуд Инж. 2011; 104: 332–340. doi: 10.1016/j.jfoodeng.2010.12.024. [CrossRef] [Google Scholar]

10. McVey C., Elliot C.T., Cannavan A., Kelly S.D., Petchkongkaew A., Simon A., Haughey S.A. цифровые системы прослеживаемости. Тенденции Food Sci. Технол. 2021; 118: 777–790. doi: 10.1016/j.tifs.2021.11.003. [CrossRef] [Google Scholar]

11. Cawthorn D.-M., Steinman H.A., Hoffman L.C. В мясных продуктах, продаваемых в Южной Африке, обнаружена высокая частота замены видов и неправильной маркировки. Пищевой контроль. 2013; 32: 440–449. doi: 10.1016/j.foodcont.2013.01.008. [CrossRef] [Google Scholar]

12. Барбин Д., Элмасри Г., Сан Д.В., Аллен П. Гиперспектральная визуализация в ближнем инфракрасном диапазоне для сортировки и классификации свинины. Мясная наука. 2012; 90: 259–268. doi: 10.1016/j.meatsci.2011.07.011. [PubMed] [CrossRef] [Академия Google]

13. Диксит Ю., Касадо-Гавальда М.П., ​​Кама-Монкунилл Р., Каллен П.Дж., Салливан С. Проблемы разработки моделей состава мяса с использованием многоточечной БИК-спектроскопии от оперативного до оперативного мониторинга. Дж. Пищевая наука. 2017; 82: 1557–1562. doi: 10.1111/1750-3841.13770. [PubMed] [CrossRef] [Google Scholar]

14. Dumalisile P., Manley M., Hoffman L., Williams P.J. Распознавание типа мышц выбранных видов дичи с использованием спектроскопии в ближней инфракрасной области (NIR). Пищевой контроль. 2020;110:106981. doi: 10.1016/j.foodcont.2019.106981. [CrossRef] [Google Scholar]

15. Тейшейра А., Оливейра А., Паулос К., Лейте А., Марсия А., Аморим А., Перейра Э., Сильва С., Родригес С. Подход к прогнозированию химический состав длиннейшей грудной и поясничной мышц козы с помощью спектроскопии отражения в ближнем инфракрасном диапазоне. Малый Румин. Рез. 2015;126:40–43. doi: 10.1016/j.smallrumres.2015.03.006. [CrossRef] [Google Scholar]

16. Ань Дж., Ли Ю., Чжан С., Чжан Д. Быстрое неразрушающее прогнозирование нескольких показателей качества различных видов товарной мясной нарезки с использованием оптической системы. Пищевая наука. Аним. Ресурс. 2022; 42: 655–6571. doi: 10.5851/kosfa.2022.e28. [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar]

17. Дитерс Л.С.Э., Миле С.Дж., Куигли С.П., Хоффман Л.К. Качественные характеристики мяса австралийских пастбищных коз не зависят от живой массы при убое. Мясная наука. 2021;175:108437. doi: 10.1016/j.meatsci.2021.108437. [PubMed] [CrossRef] [Google Scholar]

18. Савицкий А., Голай М.Ю.Е. Сглаживание и дифференцирование данных с помощью упрощенных процедур наименьших квадратов. Анальный. хим. 1964; 36: 1627–1639. doi: 10.1021/ac60214a047. [CrossRef] [Академия Google]

19. Бюро С., Коццолино Д., Кларк С. Дж. Вклад спектроскопии среднего инфракрасного диапазона с преобразованием Фурье (FT-MIR) в изучение фруктов и овощей: обзор. Послеуборочная биол. Технол. 2019; 148:1–14. doi: 10.1016/j.postharvbio.2018.10.003. [CrossRef] [Google Scholar]

20. Оливери П., Дауни Г. Многомерное моделирование классов для проверки заявлений о подлинности пищевых продуктов. Анальные тренды TRAC. хим. 2012; 35:74–86. doi: 10.1016/j.trac.2012.02.005. [CrossRef] [Google Scholar]

21. Элмасри Г., Икбал А., Сан Д.В., Аллен П., Уорд П. Классификация качества приготовленной нарезанной ветчины из индейки с использованием системы гиперспектральной визуализации NIR. Дж. Фуд Инж. 2011; 103:333–344. doi: 10.1016/j.jfoodeng.2010.10.031. [Перекрестная ссылка] [Академия Google]

22. Коццолино Д., Мюррей И. Идентификация мышц мяса животных с помощью спектроскопии отражения в видимом и ближнем инфракрасном диапазоне. LWT-Пищевая наука. Технол. 2004; 37: 447–452. doi: 10.1016/j.lwt.2003.10.013. [CrossRef] [Google Scholar]

23. Ding H., Wang G., Lei W., Wang R., Huang L., Xia Q., Wu J. Неинвазивная количественная оценка окислительного метаболизма в четырехглавых мышцах с помощью ближней инфракрасной спектроскопии. бр. Дж. Спортс Мед. 2001; 35: 441–444. doi: 10.1136/bjsm.35.6.441. [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar]

24. Уоркман Дж., Вир Л. Практическое руководство по интерпретации спектроскопии ближнего инфракрасного диапазона. CRC Press Taylor и Francis Group; Бока-Ратон, Флорида, США: 2008. [Google Scholar]

25. Van Wyk G.L., Hoffman L.C., Strydom P.E., Frylinck L. Различия в качестве мяса шести мышц, полученных от южноафриканских крупных аборигенных вельдских коз и бурских коз-валетров. и баксы. Животные. 2022;12:382. doi: 10.3390/ani12030382. [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar]

Статьи из Foods предоставлены Многопрофильным институтом цифровых публикаций (MDPI)

это хорошо для вас? Плюсы и минусы, информация о питании и многое другое

Авторы редакторов WebMD

В этой статье

• Информация о питании
• Потенциальная польза козьего молока для здоровья
• Потенциальные риски козьего молока

9 0010 Козье молоко является одним из наиболее часто потребляемые виды молочных продуктов в мире. Фактически, почти три четверти населения мира потребляют козье молоко. Частично это связано с простотой содержания коз по сравнению с коровами в развивающихся странах, где козье молоко является важным источником калорий, белков и жиров. Во многих странах люди предпочитают козье молоко коровьему.

Козье молоко гуще и жирнее коровьего или растительного молока, а козье молоко содержит больше питательных веществ, которые могут быть полезны для здоровья. Например:

• Легче усваивается
• Меньше риска аллергии на молоко
• Улучшение здоровья сердца

Если вы планируете пить козье молоко, важно понимать преимущества, которые оно может принести.

Одна чашка цельного козьего молока содержит:

• Калории: 168
• Белки: 9
• Жиры: 10 грамм
• Углеводы: 11 грамм
• Клетчатка: 0 грамм
• Сахар: 11 грамм

Козье молоко является отличным источником:

• Pro теин
• Кальций
• Калий
• Фосфор
• Магний

Козье молоко также является отличным источником витамина А. Исследования показывают, что потребление достаточного количества витамина А может помочь снизить риск развития катаракты, некоторых форм рака и даже помочь детям бороться с корью.

Козье молоко — это не просто фирменный напиток. В зависимости от вашего образа жизни козье молоко может быть лучшим выбором, чем коровье или растительное молоко, поскольку оно предлагает ряд преимуществ: , козье молоко содержит больше белка на порцию. Кроме того, белок в козьем молоке кажется более усвояемым, а это означает, что ваш организм может использовать его легче. Козье молоко также содержит значительно больше белка, чем миндальное или рисовое молоко.

Не может спровоцировать Аллергия на молоко

Некоторые люди с аллергией на коровье молоко могут обнаружить, что козье молоко не вызывает у них аллергии. Исследование показало, что примерно у каждого четвертого ребенка с аллергией на коровье молоко не было аллергии на козье молоко. Если у вас аллергия на молочные продукты, вы можете попросить своего врача проверить, можете ли вы безопасно переносить козье молоко. Если вы знаете, что у вас аллергия на молочные продукты, вам не следует употреблять козье молоко, не посоветовавшись с врачом.

Управление холестерином Уровни

Козье молоко может помочь снизить уровень холестерина у людей с высоким уровнем холестерина в крови. Исследования показали, что козье молоко может помочь снизить уровень холестерина в артериях и желчном пузыре. Это может помочь людям с высоким уровнем холестерина легче контролировать уровень холестерина.

Козье молоко, конечно, не идеальный напиток. У него есть некоторые качества, которые могут сделать его худшим вариантом, чем коровье или растительное молоко для некоторых людей. Понимание преимуществ и недостатков козьего молока может помочь вам принять правильное решение для вашего здоровья.

Без лактозы

Если у вас непереносимость лактозы, козье молоко не для вас. В козьем молоке, как и в коровьем, содержится лактоза. Некоторые люди считают, что козье молоко легче усваивается, чем коровье, но это очень индивидуально. Если у вас непереносимость лактозы, безопаснее всего придерживаться растительного молока, которое гарантированно не содержит лактозы.

Больше калорий , чем коровье или растительное молоко

Козье молоко содержит больше калорий на порцию, чем любые другие виды молока. Потребление слишком большого количества калорий может привести к увеличению веса. Если вы работаете над сокращением калорий, вы можете потреблять козье молоко в меньших количествах, чем коровье или растительное молоко.

Более здоровые альтернативы

Если у вас аллергия на коровье молоко или непереносимость лактозы, козье молоко может вам не подойти. Вместо этого рассмотрите растительное молоко, такое как соевое, миндальное или конопляное молоко. Эти виды молока обладают многими схожими преимуществами без лактозы или аллергенов, присутствующих в козьем молоке.

Точно так же, если вы пытаетесь похудеть, растительное молоко или обезжиренное коровье молоко могут быть лучшим выбором.