Según el ANOVA, se observa que existe diferencia estadísticamente significativa para la mayoría de atributos sensoriales en estudio lo que indica una elevada discriminación entre las muestras, sin embargo esta discriminación puede estar impulsada por la percepción simultánea de dos o más atributos, lo cual no se consigue observar considerando las puntuaciones promedio. Ante ello el ACP se presenta como una alternativa para el análisis de datos del ADG ya
BIBLIOTECA
que identifica las correlaciones entre las variables dependientes o atributos sensoriales y los representa mediante nuevas variables llamadas componentes principales compuestas, siendo estas componentes principales combinaciones lineales de los atributos sensoriales originales (Næs et al., 2010b).
En la Tabla 6 se presenta la matriz de correlación del ADG donde se muestra que existe correlación estadísticamente significativa entre algunos atributos sensoriales. La apariencia brillante estuvo positivamente correlacionada con la cantidad de grasa y con el sabor grasoso. La cantidad de grasa estuvo positivamente correlacionada con el sabor grasoso. El sabor ahumado estuvo correlacionado positivamente con el sabor salado indicando que un aumento del proceso de ahumado aumentaría la intensidad del sabor salado en este tipo de muestras. El resto de atributos presentó también coeficientes elevados de correlación, requisito principal requerido para el ACP.
Tabla 6. Matriz de correlación entre los atributos de sensoriales del ADG
Var B CG CR CA SA SS SG S B 1 0.7692 0.2411 0.4002 0.2097 0.2453 0.7558 0.5173 CG 0.7692 1 -0.2760 0.5327 -0.0224 0.1492 0.9782 0.4482 CR 0.2411 -0.2760 1 -0.0263 0.5036 0.5211 -0.2788 0.4354 CA 0.4002 0.5327 -0.0263 1 0.5253 0.6744 0.5744 0.3004 SA 0.2097 -0.0224 0.5036 0.5253 1 0.9183 0.1362 0.6346 SS 0.2453 0.1492 0.5211 0.6744 0.9183 1 0.2594 0.6958 SG 0.7558 0.9782 -0.2788 0.5744 0.1362 0.2594 1 0.5404 S 0.5173 0.4482 0.4354 0.3004 0.6346 0.6958 0.5404 1
B: brillante, CG: cantidad de grasa, CR: color rojo, CA: color amarillo, SA: sabor ahumado, SS: sabor salado, SG: sabor grasoso, S: suculento. Los valores en negrita son diferentes de 0 con un nivel de significancia de 5%.
Se realizó el ACP usando la matriz de correlación y en la Tabla 7 se presentan los auto-valores y auto-vectores de las 6 primeras componentes principales, se presentan también la varianza explicada y acumulada de cada componente principal.
BIBLIOTECA
Tabla 7. Auto-valores y auto-vectores del ACP realizado sobre el ADG Componente principal Auto valor Varianza explicada (%) Varianza acumulada (%)
Auto-vectores (Coeficientes de los componentes principales)
X1 X2 X3 X4 X5 X6 X7 X8 1 3.99 49.99 49.99 0.375 0.354 0.140 0.372 0.334 0.386 0.389 0.405 2 2.33 29.21 79.21 -0.220 -0.454 0.492 -0.041 0.426 0.371 -0.401 0.147 3 0.98 12.31 91.52 -0.447 -0.070 -0.508 0.578 0.219 0.253 -0.001 -0.301 4 0.48 6.00 97.53 -0.443 0.018 -0.410 0.444 0.121 0.055 0.174 0.625 5 0.17 2.12 99.66 0.449 -0.254 -0.355 -0.256 0.665 -0.230 0.049 -0.211 6 0.02 0.33 100.00 -0.129 0.298 0.100 -0.503 0.057 0.531 0.268 -0.524
Xs: variables padronizadas para el cálculo de los componentes principales, donde: X1: Brillante, X2: Cantidad de grasa, X3: Color rojo, X4: Color amarillo,
X5: Sabor ahumado, X6: Sabor salado, X7: Sabor grasoso y X8: Suculento.
BIBLIOTECA
Como se observa en la Tabla 7 el primer y segundo componente principal tienen una varianza explicada de 3.99 (49.99%) y 2.33 (29.21%) respectivamente, lo que indican que están conteniendo la mayor cantidad de información de las variables originales, mientras que el resto de componentes tienen una varianza menor a 1, lo que confirma la importancia de los dos primeros componentes principales. Se utilizarán solamente los dos primeros componentes principales para el estudio de las muestras y de los atributos sensoriales asociados a ella ya que representa 79.21% de la varianza explicada. El uso de dos componentes principales en el análisis de componentes principales es normalmente usado cuando la varianza explicada es elevada. Johansen et al. (2010), usaron las dos primeras componentes principales para caracterizar sensorialmente muestras de yogur, por lo que se considera que el mapa sensorial obtenido sobre estas dimensiones representarán adecuadamente las características sensoriales de las muestras (88% de varianza explicada en las dos primeras componentes principales).
En la tabla 7 se observan los auto-valores y auto-vectores asociados a cada componente principal. Para las dos primeras componentes principales se estudió cada auto-vector asociado. Así, el primer componente principal está compuesto por la siguiente combinación de las variables originales estandarizadas con sus respectivos coeficientes (auto-vectores): CP1 = 0.375 X1 + 0.354 X2 + 0.140 X3 +
0.372 X4 + 0.334 X5 + 0.386 X6 + 0.389 X7 + 0.405 X8. Se observa que los
coeficientes tienen valores próximos entre sí, excepto el coeficiente que corresponde a la variable X3 (Color rojo) que presentó el coeficiente más bajo y
X8 (Suculento) que presentó el coeficiente más alto. El segundo componente
principal es ortogonal al primer componente principal por lo tanto está explicado la varianza relacionada a otros atributos sensoriales y tiene la siguiente estructura: CP2= -0.220X1 - 0.454X2 + 0.492 X3 - 0.041X4 + 0.426X5 + 0.371X6 -
0.401X7 + 0.147 X8. En este componente principal, el coeficiente relacionado al
auto-vector del X3 presentó un valor elevado a diferencia del valor bajo
presentado en el primer componente principal, eso indica que este atributo es mejor explicado por el segundo componente principal. A diferencia del primer componente principal, el segundo componente principal presenta coeficientes negativos, lo que indica que el atributo sensorial relacionado con dicho
BIBLIOTECA
coeficiente disminuye el valor de dicho componente principal (varianza explicada). Tener coeficientes negativos y positivos genera un contraste entre los atributos. Los atributos sensoriales con mayores coeficientes y signos opuestos fueron: X3 (Color rojo), X5 (Sabor ahumado) yX6 (Sabor salado) que
están del lado positivo del eje y X2 (Cantidad de grasa) y X7 (Sabor grasoso) del
lado negativo. Esto indica que el segundo componente principal será mayor cuando X3, X5 y X6 sean altos y X2 y X7 sean bajos. Por lo tanto la el CP2
representa una diferencia entre los atributos relacionados al sabor y apariencia (sabor ahumado, color rojo y sabor salado) y los atributos relacionados al contenido de grasa (Cantidad de grasa y sabor grasoso). Los bajos coeficientes de las variables X1 (Brillante), X4 (Color amarillo) y X8 (Suculento) significa que
los valores de estas variables no afectan mucho al CP2.
Los atributos sensoriales se correlacionaron con los componentes principales mediante las cargas factoriales, y las muestras serán representadas en las nuevas dimensiones mediante las puntuaciones factoriales (ver Tabla 8 y 9). Las cargas factoriales son útiles en la interpretación de los componentes principales ya que indican el grado de asociación de cada atributo con cada componente principal (Husson et al., 2010) y las puntuaciones factoriales revelan la posición relativas de las muestras en el mapa sensorial obtenido mediante la representación de los componentes principales 1 y 2, mostrado en Figura 4 (H. T Lawless y Heymann, 1998).
Tabla 8. Carga factorial del ACP realizado sobre el ADG
Atributo Componente principal
1 2 3 4 5 6 Brillante 0.7490 -0.3357 -0.4439 -0.3073 0.1851 -0.0212 Cantidad de grasa 0.7070 -0.6941 -0.0694 0.0125 -0.1048 0.0490 Color rojo 0.2802 0.7517 -0.5041 -0.2840 -0.1463 0.0164 Color amarillo 0.7440 -0.0625 0.5742 -0.3080 -0.1057 -0.0828 Sabor ahumado 0.6678 0.6516 0.2173 0.0839 0.2742 0.0094 Sabor salado 0.7723 0.5678 0.2512 0.0379 -0.0948 0.0876 Sabor grasoso 0.7789 -0.6136 -0.0011 0.1203 0.0203 0.0441 Suculento 0.8108 0.2249 -0.2992 0.4330 -0.0872 -0.0864
Las cargas factoriales con un valor absoluto superior a 0.56 se muestran en negrita.
BIBLIOTECA
Tabla 9. Puntuaciones factoriales del ACP realizado sobre el ADG Muestra CP1 CP2 CP3 CP4 CP5 CP6 Acacia 1.9628 0.2572 -0.0069 -1.2591 0.5002 -0.0803 Sadia 2.0307 -0.2206 0.6007 1.0965 0.0705 -0.2360 Eucalipto 1.1119 -2.0407 1.0803 -0.2251 -0.4485 0.1975 Red Arrow -0.2594 2.7858 -0.0879 -0.2448 -0.6510 -0.0318 Ibrac -0.0764 -1.3411 -2.2362 0.1673 -0.1271 0.0062 Bambú -0.4697 1.3675 0.0505 0.6383 0.5262 0.2690 Control -4.3000 -0.8081 0.5994 -0.1731 0.1297 -0.1246
En la Tabla 8 se observan que las cargas factoriales presentan valores elevados y según Chapman et al., (2001) un valor absoluto superior a 0.56 representa una fuerte influencia del atributo sensorial sobre su respectivo componente principal. Entonces, el primer componente principal estará correlacionado por todos los atributos excepto el color rojo. El segundo componte principal se destaca porque está correlacionado positivamente con los atributos color rojo, sabor ahumado y sabor salado; y negativamente con los atributos cantidad de grasa y sabor grasoso. Es sabido que cada componente principal representa diferente varianza explicada, esto se puede observar claramente en el atributo color rojo que no está correlacionado con el primer componente principal sin embargo presentó una elevada correlación con el segundo componente principal, demostrando de esta forma que ambos componentes principales representan diferentes atributos sensoriales (Husson et al., 2010).
Las puntuaciones factoriales (Tabla 9) expresan la posición de las muestras de tocino en el mapa sensorial. En la Figura 4, se representan muestras de tocino, que están distribuidas en todo el mapa sensorial, indicando una buena discriminación entre las muestras por parte del panel (Torri et al., 2015). Las muestras Sadia y Acacia se encuentran correlacionada positivamente con el primer componente principal, lo que sugiere que ambas muestras fueron percibidas de manera similar por los panelistas. Este comportamiento se puede observar también en la Tabla 5 ya que presentaron puntuaciones similares para la mayoría de atributos sensoriales. Por otro lado se observa que la muestra Control se encuentra correlacionada negativamente con este componente, debido a que se encuentra en lado izquierdo, opuesta a las muestras Sadia y Acacia. Esto se debe a que la muestra Control no fue ahumada por tanto
BIBLIOTECA
presentó puntuaciones bajas en la mayoría de los atributos relacionados a este proceso como sabor ahumado, sabor salado, entre otros (ver Tabla 5).
Figura 4. Análisis de Componentes Principales sobre matriz de correlación de
las medias de los atributos: Representación de las muestras y los atributos. El segundo componente principal se encuentra correlacionado con las muestras Red Arrow, Ibrac, Bambu y Eucalipto. Donde las muestras Red Arrow y Bambu están correlacionadas positivamente entre ellas y se encuentran posicionadas en la parte superior de este componente. La muestra Red Arrow está posicionada en la parte superior del mapa sensorial debido a que presentó la puntuación promedio más elevada para los atributos positivos relacionados con este componente. Las muestras Ibrac y Eucalipto se encuentran en la parte inferior del mapa sensorial, debido a que fueron percibidas como grasosas.
La Figura 4 muestra que los atributos cantidad de grasa y sabor grasoso están posicionados cerca uno de otro, esto sugiere que existe correlación directamente proporcional entre ellos. Este comportamiento ya fue reportado por Jeremiah et al. (1996), quienes indicaron la existencia de una relación directa
Acacia Sadia Eucalipto Red Arrow Ibrac Bambu Control Brillante Cantidad de grasa Color rojo Color amarillo Sabor ahumado Sabor salado Sabor grasoso Suculento -5 -4 -3 -2 -1 0 1 2 3 4 5 -5 -4 -3 -2 -1 0 1 2 3 4 5 D im 2 (2 9 .2 2 % ) Dim 1 (49.99 %)
BIBLIOTECA
DE AGROPECUARIAS
entre la cantidad de grasa y la sensación grasosa en la boca. Además, los atributos relacionados a la grasa se encuentran en el mismo cuadrante, y cerca de ellos se encuentra el atributo de apariencia brillante, es decir estos atributos guardan relación entre sí, lo cual tiene toda lógica ya que el contenido de grasa influye sobre las propiedades de retención de agua de la muestra (Troy y Kerry, 2010). Por otro lado el atributo de sabor ahumado y sabor salado se encuentran cerca, debido a que la percepción del sabor salado se hace más intensa con el proceso de ahumado (Jeremiah et al., 1996).
Ante todo lo expuesto se observa que proceso de ahumado modifica el perfil sensorial del tocino. El ahumado aumentó la intensidad de atributos como el sabor ahumado y salado, lo que fue claramente percibido por los panelistas. La generación del perfil sensorial descriptivo unido a los estudios consumidores ayuda a generar productos con gran potencial de éxito en el mercado actualmente cambiante y competitivo ya que identifica los atributos que tienen influencia en la elección del consumidor (Kohli & Leuthesser, 1993). A pesar que tocino es un producto altamente consumido en el mundo, no existen trabajos científicos que obtengan el perfil sensorial usando análisis descriptivo. En ese sentido la presente investigación contribuye llenando ese vacío científico, abriendo las puertas a posteriores investigaciones complementarias considerando la respuesta de los consumidores y las características fisicoquímicas.
2.4. CONCLUSIONES
El Análisis Descriptivo Genérico desarrollado por el panel de jueces entrenados mostró resultados fiables presentándose como un instrumento adecuado para describir y cuantificar la percepción de las características sensoriales de tocino tradicional.
Este estudio demostró que el perfil sensorial del tocino tradicional se ve modificado en función del proceso de ahumado. El ahumado tradicional causó un aumento en la intensidad de sabor ahumado y sabor salado sin embargo no afectó las propiedades sensoriales relacionas con la textura. El Análisis de Componentes Principales reveló que la muestra control fue percibida diferente
BIBLIOTECA
del resto de muestras. El tocino ahumado con madera de Acacia fue el que presentó características sensoriales más próximas al tocino tradicional Sadía que es el más consumido en el mercado Paulista, por lo que se presenta como la muestra promisoria para futuros estudios. Estudios complementarios deben realizarse considerando la respuesta de los consumidores y las características fisicoquímicas para entender mejor los cambios ocasionados durante el proceso de ahumado.
2.5. REFERENCIAS BIBLIOGRAFICAS
Aaslyng, M.; Vestergaard, C.; Koch, A. 2014. The effect of salt reduction on sensory quality and microbial growth in hotdog sausages, bacon, ham and salami. Meat Science, 96(1), 47-55.
Albert, A.; Varela, P.; Salvador, A.; Hough, G.; Fiszman, S. 2011. Overcoming the issues in the sensory description of hot served food with a complex texture. Application of QDA®, flash profiling and projective mapping using panels with different degrees of training. Food Quality and Preference, 22(5), 463- 473.
Amerine, M.; Pangborn, R.; & Roessler, E. 1965. Principles of sensory evaluation of food. Food Science and Technology. A Series of Monographs. Academic Press, New York, London, 27-242.
Amparo, T.; Paula, T. 2014. Free-Choice Profile Combined with Repertory Grid Method Novel Techniques in Sensory Characterization and Consumer Profiling (pp. 157-174): CRC Press.
Andersen, H. 2004. Bacon production. Other Bacon. In W. K. Jensen (Ed.), Encyclopedia of Meat Sciences (pp. 56-59). Oxford: Elsevier.
ANVISA. (2007). Procedimentos para a indicação do uso de aroma na rotulagem de alimentos. Informe Técnico nº. 26, de 14 de junho de 2007.
Bayarri, S.; Carbonell, I.; Barrios, E.; Costell, E. 2011. Impact of sensory differences on consumer acceptability of yoghurt and yoghurt-like products. International Dairy Journal, 21(2), 111-118.
Byrne, D.; Bak, L.; Bredie, W.; Bertelsen, C.; Martens, M. 1999. Development of a Sensory Vocabulary for Warmed-over Flavor: Part I. in Porcine Meat. Journal of Sensory Studies, 14(1), 47--65.
Bárcenas, P.; Elortondo, F.; Albisu, M. 2000. Selection and Screening of a Descriptive Panel for Ewes Milk Cheese Sensory Profiling. Journal of Sensory Studies, 15(1), 79-99.
Bárcenas, P.; Perez Elortondo, F.; Salmerón, J.; Albisu, M. 1999. Development of a Preliminary Sensory Lexicon and Standard References of Ewes Milk Cheeses Aided by Multivariate Statistical Procedures. Journal of Sensory Studies, 14(2), 161-179.
BIBLIOTECA
Carbonell, L.; Izquierdo, L.; Carbonell, I. 2007. Sensory analysis of Spanish mandarin juices. Selection of attributes and panel performance. Food Quality and Preference, 18(2), 329-341.
Chapman, K.; Lawless, H.; Boor, K. 2001. Quantitative Descriptive Analysis and Principal Component Analysis for Sensory Characterization of Ultrapasteurized Milk. Journal of Dairy Science, 84(1), 12-20.
Cilla, I.; Martínez, L.; Beltrán, J.; Roncalés, P. 2006. Dry-cured ham quality and acceptability as affected by the preservation system used for retail sale. Meat Science, 73(4), 581-589.
Elortondo, F.; Ojeda, M.; Albisu, M.; Salmerón, J.; Etayo, I.; Molina, M. 2007. Food quality certification: An approach for the development of accredited sensory evaluation methods. Food Quality and Preference, 18(2), 425-439.
Emmerson, E. 2011. Improving the sensory and nutritional quality of smoked meat products. In J. P. Kerry & J. F. Kerry (Eds.), Processed Meats, 527-545. FAO. 2014. Consumo de carne. Retrieved from Disponible en:
http://www.fao.org/ag/againfo/themes/es/meat/background.html
Ferrini, G.; Arnau, J.; Guàrdia, M.; Comaposada, J. 2014. The effect of thermal processing condition on the physicochemical and sensory characteristics of fermented sausages dried by Quick-Dry-Slice process®. Meat Science, 96(2, Part A), 688-694.
Flores, M.; Grimm, C.; Toldrá, F.; Spanier, A. 1997. Correlations of Sensory and Volatile Compounds of Spanish “Serrano” Dry-Cured Ham as a Function of Two Processing Times. Journal of Agricultural and Food Chemistry, 45(6), 2178-2186.
Font-i-Furnols, M.; Guerrero, L. 2014. Consumer preference, behavior and perception about meat and meat products: An overview. Meat Science, 98(3), 361-371.
García-González, D.; Roncales, P.; Cilla, I.; del Río, S.; Poma, J.; Aparicio, R. 2006. Interlaboratory evaluation of dry-cured hams (from France and Spain) by assessors from two different nationalities. Meat Science, 73(3), 521-528. Gibis, M.; Kruwinnus, M.; Weiss, J. 2015. Impact of different pan-frying conditions
on the formation of heterocyclic aromatic amines and sensory quality in fried bacon. Food Chemistry, 168, 383-389.
Gonulalan, Z.; Kose, A.; Yetim, H. 2004. Effects of liquid smoke on quality characteristics of Turkish standard smoked beef tongue. Meat Science, 66(1), 165-170.
Guàrdia, M.; Aguiar, A.; Claret, A.; Arnau, J.; Guerrero, L. 2010. Sensory characterization of dry-cured ham using free-choice profiling. Food Quality and Preference, 21(1), 148-155.
Helgesen, H.; Solheim, R.; Næs, T. 1997. Consumer preference mapping of dry fermented lamb sausages. Food Quality and Preference, 8(2), 97-109. Husson, F.; Lê, S.; Pagès, J. 2010. Exploratory multivariate analysis by example
using R: CRC press.
BIBLIOTECA
Jeremiah, L.; Ball, R.; Uttaro, B.; Gibson, L. 1996. The relationship of chemical components to flavor attributes of bacon and ham. Food Research International, 29(5–6), 457-464.
Johansen, S.; Næs, T.; Øyaas, J.; Hersleth, M. 2010. Acceptance of calorie- reduced yoghurt: Effects of sensory characteristics and product information. Food Quality and Preference, 21(1), 13-21.
Jorge, É.; Mendes, A.; Auriema, B.; Cazedey, H.; Fontes, P.; Ramos, A.; Ramos, E. 2015. Application of a check-all-that-apply question for evaluating and characterizing meat products. Meat Science, 100(0), 124-133.
Jónsdóttir, R.; Ólafsdóttir, G.; Chanie, E.;Haugen, J. 2008. Volatile compounds suitable for rapid detection as quality indicators of cold smoked salmon (Salmo salar). Food Chemistry, 109(1), 184-195.
Kameník, J.; Dušková, M.; Šedo, O.; Saláková, A.; Pavlík, Z.; Zdráhal, Z.; Karpíšková, R. 2015. Lactic acid bacteria in hot smoked dry sausage (non- fermented salami): Thermal resistance of Weissella viridescens strains isolated from hot smoked dry sausages. LWT - Food Science and Technology, 61(2), 492-495.
Kohli, C.; Leuthesser, L. 1993. Product positioning: a comparison of perceptual mapping techniques. Journal of Product & Brand Management, 2(4), 10-19. Kostyra, E.; Wasiak-Zys, G.; Rambuszek, M.; Waszkiewicz-Robak, B. 2016.
Determining the sensory characteristics, associated emotions and degree of liking of the visual attributes of smoked ham. A multifaceted study. LWT - Food Science and Technology, 65, 246-253.
Labbe, D.; Rytz, A.; Hugi, A. 2004. Training is a critical step to obtain reliable product profiles in a real food industry context. Food Quality and Preference, 15(4), 341-348.
Laboissière, L.; Deliza, R.; Barros-Marcellini, A.; Rosenthal, A.; Camargo, L.; Junqueira, R. 2007. Effects of high hydrostatic pressure (HHP) on sensory characteristics of yellow passion fruit juice. Innovative Food Science & Emerging Technologies, 8(4), 469-477.
Lawless, H.; Heymann, H. 1998. Sensory Evaluation of Food: Principles and Practices. (pp. 606-608).
Lawless, H.; Heymann, H. 2010. Sensory Evaluation of Food - Principles and Practices (2nd ed.). New York: Springer.
Le, S.; Worch, T. 2014. Analyzing Sensory Data with R: CRC Press.
Lorenzo, J.; Purriños, L.; Bermudez, R.; Cobas, N.; Figueiredo, M.;García Fontán, M. C. 2011. Polycyclic aromatic hydrocarbons (PAHs) in two Spanish traditional smoked sausage varieties: “Chorizo gallego” and “Chorizo de cebolla”. Meat Science, 89(1), 105-109.
Lê, S.; Josse, J.; Husson, F. 2008. FactoMineR: an R package for multivariate analysis. Journal of statistical software, 25(1), 1-18.
Marangoni, C.; Fernandes de Moura, N. 2011. Sensory profile of Italian salami with coriander (Coriandrum sativum L.) essential oil. Food Sci. Technol (Campinas), 31(1), 119-123.
BIBLIOTECA
Meilgaard, C.; Civille, G. 1999. Sensory evaluation techniques (3rd ed.). Boca Raton: FL: CRC Press.
Meilgaard, C.; Carr, B.; Civille, G. 2006. Sensory evaluation techniques: CRC press. Moskowitz, H. 1983. Product testing and sensory evaluation of foods: marketing
and R&D approaches: Food & Nutrition Press.
Muguerza, E.; Ansorena, D.; Astiasarán, I. 2003. Improvement of nutritional properties of Chorizo de Pamplona by replacement of pork backfat with soy oil. Meat Science, 65(4), 1361-1367.
Murray, J.; Delahunty, C.; Baxter, I. 2001. Descriptive sensory analysis: past, present and future. Food Research International, 34(6), 461-471.
N'Kouka, K.; Klein, B.; Lee, S. 2004. Developing a Lexicon for Descriptive Analysis of Soymilks. Journal of Food Science, 69(7), 259--263.
National Pork Board. 2010. Quick facts: The pork industry at a glance. from Des Moines, IA
Næs, T.; Brockhoff, P.; Tomic, O. 2010a. Front Matter: Wiley Online Library.
Næs, T.; Brockhoff, P.; Tomic, O. 2010b. Front Matter-Statistics for Sensory and Consumer Science: Wiley Online Library.
Pereira, J.; Dionísio, L.; Matos, T.; Patarata, L. 2015. Sensory Lexicon Development for a Portuguese Cooked Blood Sausage, Morcela de Arroz de Monchique to Predict Its Usefulness for a Geographical Certification. Journal of Sensory Studies, 30(1), 56--67.
Pham, A.; Schilling, M.; Mikel, W.; Williams, J.; Martin, J.; Coggins, P.; 2008. Relationships between sensory descriptors, consumer acceptability and volatile flavor compounds of American dry-cured ham. Meat Science, 80(3), 728-737.
Quadros, D.; Rocha, I.; Ferreira, S.; Bolini, H. 2015. Low-sodium fish burgers: Sensory profile and drivers of liking. LWT - Food Science and Technology, 63(1), 236-242.
Ramos, S.; Gabriel, F.; Nuñez, F.; Acosta, A. 2012. Efecto del tiempo de entrenamiento en el desempeño de un panel descriptivo para la evaluación de embutidos.
Rentfrow, G.; Sauber, T.; Allee, G.; Berg, E. 2003. The influence of diets containing either conventional corn, conventional corn with choice white grease, high oil corn, or high oil high oleic corn on belly/bacon quality. Meat Science, 64(4), 459-466.
Saldaña, E.; Behrens, J.; Serrano, J.; Ribeiro, F.; de Almeida, M.; Contreras- Castillo, C. 2015. Microstructure, texture profile and descriptive analysis of texture for traditional and light mortadella. Food Structure, 6, 13-20.
Santos, E.; Gonzalez-Fernandez, C.; Jaime, I.; Rovira, J. 2003. Physicochemical and sensory characterisation of Morcilla de Burgos, a traditional Spanish blood sausage. Meat Sci, 65(2), 893-898.
Selani, M.;Shirado, G.; Margiotta, G.; Saldaña, E.; Spada, F.;Piedade, S.; . . . Canniatti-Brazaca, S. 2016. Effects of pineapple byproduct and canola oil as
BIBLIOTECA
fat replacers on physicochemical and sensory qualities of low-fat beef burger. Meat Science, 112, 69-76.
Sikorski, Z.; Kolakowski, E. 2010. Smoking. In F. Toldrá (Ed.), Handbook of Meat Processing (pp. 231 - 246): John Wiley & Sons, Inc.
Soladoye, P.; Shand, P.; Aalhus, J.; Gariépy, C.; Juárez, M. 2015. Review: Pork belly quality, bacon properties and recent consumer trends. Canadian Journal of Animal Science, 95(3), 325-340.
Spence, C.; Piqueras-Fiszman, B. 2014. The perfect meal: the multisensory science of food and dining: John Wiley & Sons.
Stone, H.; Bleibaum, R.; Thomas, H. 2012. Sensory evaluation practices (4ta ed.). New York: Academic press.
Stone, H.; Sidel, J. 2004. Quantitative descriptive analysis (The QDA Method), sensory evaluation practices: Elsevier Academic Press, San Diego, CA. pp- 215-235.
Team, R. 2015. R: A language and environment for statistical computing [Internet]. Vienna, Austria: R Foundation for Statistical Computing; 2013. Document freely available on the internet at: http://www. r-project. org.
Teye, G.; Wood, J.; Whittington, F.; Stewart, A.; Sheard, P. 2006. Influence of dietary oils and protein level on pork quality. 2. Effects on properties of fat and processing characteristics of bacon and frankfurter-style sausages.