植物基汉堡替代品的机械性能和破裂模式及其与感官感知的关系

《Applied Food Research》：Mechanical properties and breakage pattern of plant-based burger analogues and their relationships with sensory perception

　　维拉-克拉拉·吉尔（Vila-Clarà Gil）| 维拉-马蒂·安娜（Vila-Martí Anna）| 塔雷加-吉列姆·安帕罗（Tárrega-Guillem Amparo）| 维尔赫斯-卡内特·拉伊亚（Vergés-Canet Laia）| 托雷斯-莫雷诺·米里亚姆（Torres-Moreno Míriam）
M3O研究小组，健康与社会科学的方法论、方法、模型及结果，维克大学健康科学与福利学院，加泰罗尼亚中央大学，08500 维克，西班牙

**摘要**
对植物性肉类替代品（PBMAs）需求的增加源于日益增长的环境、道德和健康问题。在这些产品中，植物性汉堡已成为最广泛消费的肉类替代品之一。然而，消费者对PBMAs的接受程度在很大程度上受其质地特性的影响，而这些特性通常被认为不如传统肉类吸引人。本研究采用跨学科方法评估了20种旨在模仿红肉的商用PBMAs汉堡的机械和感官质地特性，方法包括仪器质地测试（压缩、穿透和切割）、体外口腔处理以模拟咀嚼过程，以及消费者感官评价。

**仪器测量结果显示**，在硬度、粘结性、内聚性和外壳形成等机械参数上存在显著差异。体外咀嚼实验揭示了颗粒破碎模式的变化，但未发现与机械属性的直接相关性。营养成分，尤其是脂肪和蛋白质含量，与质地有显著相关性，表明脂肪结构和烹饪过程中的热行为会调节机械阻力。通过使用“检查所有适用项”（CATA）方法的100名消费者感官研究表明，“类似肉的质地”、“嫩滑”和“多汁”等属性与消费者喜好密切相关，而“奇怪的质地”、“面粉状”或“糊状”质地则会对接受度产生负面影响。此外，这些不同测量结果之间存在关联，揭示了仪器、营养和感官属性之间的潜在关系。
这些发现为改善PBMAs汉堡的配方和感官体验提供了宝贵的见解。通过结合机械、营养和感官数据，这项研究支持开发出更吸引人且更符合消费者偏好的PBMAs。

**1. 引言**
人类人口的持续增长和饮食习惯的变化推动了全球肉类消费量的大幅增加，预计到2030年需求将增长超过70%（Godfray等人，2010年）。人们对高肉类消费对环境和健康影响的担忧促使人们寻找替代蛋白质来源，从而推动了全球向植物性饮食的转变（Moussaoui等人，2023年）。在此背景下，食品行业越来越关注开发不仅在外观和感官上，而且在营养上也与传统肉类相当的肉类替代品。这些替代品为可持续、道德和创新的食品解决方案提供了有前景的途径（Ismail等人，2020年；Kyriakopoulou等人，2019年）。
在各种形式中，植物性汉堡已成为全球最广泛消费的肉类替代品之一（He等人，2020年）。它们的多样性使食品行业能够复制各种传统产品，包括牛肉、鸡肉或鱼肉汉堡，以及裹面包屑或捣碎的形式。这种适应性要求对关键感官属性（如外观、质地和风味）进行微调，以模仿动物源产品。

味道依然是PBMAs产品的重要感官维度，此外还有香气和质地（Kumar等人，2017年）。这些感官方面在很大程度上取决于所使用的初级成分（蛋白质和脂肪），尽管通过使用香料增强剂和掩味剂可以进一步调节其特性（Kale等人，2022年；Lin等人，2014年；Wu & Cadwallader，2002年）。越来越多的食品公司专门从事为肉类替代品定制的风味和颜色系统，从而促进了该领域的创新（Lurie-Luke，2024年）。然而，质地仍是决定消费者接受度的关键因素，并且在植物性汉堡的配方中仍面临挑战。因此，生产商使用纤维和水胶体等技术功能成分作为粘合剂和质地改良剂，以提高结构完整性和口感。尽管如此，PBMAs汉堡的整体质地基本上是由成分和加工条件之间的相互作用决定的，尤其是蛋白质和脂肪含量（Sha & Xiong，2020年）。先前的研究探讨了影响PBMAs汉堡质地的各种因素，包括蛋白质结构和网络形成（Dekkers等人，2018年；Kyriakopoulou等人，2019年），以及脂肪含量、分布和润滑效果（Samard等人，2019年）。此外，加工条件也被认为是质地发展的重要因素。然而，这些方面往往单独进行研究，且研究通常依赖于模型系统或有限的产品样本，而商业产品中的详细成分和加工信息仍然不足（Bohrer，2019年；Sha & Xiong，2020年）。因此，目前尚缺乏对这些因素在商用PBMAs中相互作用进行全面理解。在这方面，Vila-Clarà等人（2024年）描述了生产PBMAs汉堡时常用的几种成分和添加剂的关键功能作用。然而，由于配方和加工细节通常是专有工业技术，很难明确区分单个成分的具体贡献。因此，研究人员和消费者在解释不同产品之间的差异时，主要依赖于产品标签上的信息。

从加工角度来看，植物性汉堡的质地发展不仅取决于配方，还取决于制造过程中结构的建立方式。在许多PBMAs产品中，通过挤压或其他结构化操作结合混合、水化和成型步骤来实现蛋白质结构化（Kyriakopoulou等人，2019年；Schreuders等人，2021年；Sha & Xiong，2020年）。然而，关键挤压参数（如螺杆速度、水分含量和温度曲线）通常因专有工业技术而未公开。因此，在分析商业产品时，这些因素是未知的，机械和破碎分析成为间接评估和理解产品结构质量的必要工具。特别是，组织化植物蛋白（TVP）的水合程度以及加工过程中的剪切强度和热输入可以调节蛋白质的排列和聚集，促进形成更具凝聚力或凝聚力的网络（Goldschalk-Broers等人，2022年；Ilic等人，2021年；Kyriakopoulou等人，2021年）。这些网络强烈影响机械阻力、水分和脂肪保持能力，最终影响咀嚼过程中的产品行为及消费者对嫩滑度和类似肉的质地的感知（Sha & Xiong，2020年）。

此外，烹饪过程中脂质相的行为也是定义PBMAs汉堡最终质地的重要因素。高熔点脂肪（室温下更固态）与更液态油之间的平衡会影响初始硬度、润滑性和多汁性，以及热处理过程中的脂肪和水分损失（Hong等人，2022年；Marchi等人，2021年；Vu等人，2022年）。此外，外壳的形成是热处理和烧烤过程中表面变化的结果，有助于形成“酥脆外壳”的感官体验（Braeckman等人，2009年；Ilic等人，2021年）。在这种情况下，商业产品之间的机械和感官差异可以解释为不同的工业加工和结构化策略的结果，而不仅仅是成分组成的差异。然而，关于个别成分及其与加工条件相互作用如何影响PBMAs物理和感官特性的数据仍有限。

多年来提出了多种通过物理分析量化质地的方法。在肉类替代品方面，Ilic等人（2021年）和Schreuders等人（2021年）描述了评估肉类和PBMAs产品机械特性的多种方法，包括Warner-Bratzler剪切力、抗拉强度、穿透力和质地剖面分析（TPA）。多项研究应用这些技术对PBMAs汉堡的质地进行了物理表征（Bakhsh等人，2021年；Braeckman等人，2009年；Forghani等人，2017年；Goldschalk-Broers等人，2022年；Hong等人，2022年；Marchi等人，2021年；Vu等人，2022年）。然而，这些方法未能完全捕捉食物在真实咀嚼条件下的分解情况。为解决这一问题，开发了多种体内和体外方法来模拟咀嚼过程并评估食品在口腔中的破碎情况。嚼劲被认为是汉堡的重要品质，但据报道这也是肉类替代品的主要缺点之一（Ilic等人，2023年）。然而，关于肉类替代品在咀嚼过程中如何分解成较小碎片及其与人类评估者感知的感官特性之间的关系的数据仍有限（Ilic等人，2022年；Zhang等人，2024年）。

因此，本研究的目的是全面表征20种商用PBMAs汉堡的机械特性和口腔内的破碎模式，以及这些特性与其食品加工和成分组成的关系。这是通过结合仪器质地分析、体外咀嚼测试和感官评价来实现的，从而更深入地了解组成、机械行为、颗粒破碎和感官感知之间的关系。

**2. 材料与方法**
**2.1. 样品选择与准备**
在西班牙的八个主要本地连锁超市（Alcampo、Aldi、Ahorramás、Plusfresc、Carrefour、El Corte Inglés、Lidl和Bonpreu）中选择了植物性肉类替代品（PBMAs）汉堡样品。仅考虑了设计用于模仿红肉汉堡的产品。共收集了20个商用PBMAs汉堡样品，包括纯素和素食选项（部分含有鸡蛋），这些产品使用了不同的主要蛋白质来源，如小麦、大豆和豌豆或其组合。所选产品包括通过主要零售连锁店在西班牙广泛销售的国内外品牌，涵盖了不同主要蛋白质来源和脂肪组成的各种配方，从而确保了对西班牙PBMAs汉堡市场的广泛代表。它们的主要蛋白质来源、脂肪来源和营养成分见表1，完整成分列表见补充材料2。

**表1. 本研究中的PBMAs汉堡的营养成分及脂肪和蛋白质组成**
| 成分 | 主要蛋白质来源 | 主要脂肪来源 | 脂肪（g/100g） | 饱和脂肪（g/100g） | 碳水化合物（g/100g） | 糖（g/100g） | 蛋白质（g/100g） | 盐（g/100g） |
|----------------|-----------|--------------|-----------|-----------------|------------|------------|------------|-----------|
| SP | 大豆蛋白质 | 大豆油 | 9.3 | 3.7 | 3.2 | 0.5 | 15 | 1.8 |
| PP | 豌豆蛋白质 | 加洲芥花油 | 19 | 5.6 | 3.5 | 17 | 0.7 |
| B3 | 大豆蛋白质 | 葵花油 | 14 | 4.2 | 4.7 | 0.5 | 14 | 0.7 |
| B4 | 豆腐、素肉 | 大豆油 | 7.1 | 14 | 3.1 | 20 | 1.4 |
| B5 | 豌豆蛋白质 | 葵花油 | 17 | 5.3 | 1.0 | 0.5 | 12 | 0.9 |
| B6 | 沙埃脂肪 | 特级初榨橄榄油 | 8.7 | 3.3 | 3.6 | 0.9 | 15 | 1.1 |
| B7 | 豆浆蛋白 | 加洲芥花油 | 16 | 1.3 | 4.1 | 10.9 | 13 |
| B8 | 豌豆蛋白质 | 椰子油、橄榄提取物、葵花油 | 7.5 | 3.5 | 9.8 | 11 | 1.4 |
| B9 | 大豆蛋白质 | 小麦蛋白质 | 9.8 | 0.9 | 4.2 | 3.1 | 19 | 1.3 |
| B10 | 大豆蛋白质 | 小麦蛋白质 | 4.8 | 0.4 | 10.4 | 3 | 20 | 1.1 |
| B11 | 大豆蛋白质 | 椰子油 | 13.5 | 3.9 | 1.9 | 11 | 4 |
| B12 | 素肉 | 小麦蛋白质 | 10 | 1.4 | 13.7 | 27 | 1.1 |
| B13 | 小麦蛋白质 | 豆浆蛋白 | 葵花油 | 16 | 2.2 | 12.9 | 2 | 1.3 |
| B14 | 豆浆蛋白 | 特级初榨橄榄油 | 8.8 | 2.9 | 4.6 | 0.9 | 19 | 1.1 |
| B15 | 大豆蛋白质 | 豆浆蛋白 | 葵花油 | 9.3 | 3.7 | 3.2 | 0.5 | 15 | 1.8 |
| B16 | 豆浆蛋白 | 加洲芥花油 | 葵花油 | 7.8 | 0.8 | 12.3 | 2 | 11.1 |
| B17 | 豌豆蛋白质 | 葵花油 | 17 | 8.3 | 1.3 | 15 | 1.3 |
| B18 | 豌豆蛋白质 | 葵花油 | 10 | 9.1 | 10 | 16 | 1.4 |
| B19 | 大豆蛋白质 | 小麦蛋白质 | 小麦蛋白质 | 13 | 1.8 | 5.2 | 2.1 | 19 |
| B20 | 豆浆蛋白 | 加洲芥花油 | 8.6 | 1.3 | 9.4 | 3.5 | 14.3 |

**2.2. 加工方法**
根据汉堡类型（冷冻或冷藏）（信息见补充材料2），样品分别存放在-18°C的冷冻柜或4°C的冰箱中。分析前，每个汉堡按照包装上的说明在电非粘烤盘上烹饪，包括推荐的温度、油量和烹饪时间。进行了初步测试以标准化烹饪条件，确保内部温度达到74°C。烹饪后立即将汉堡放在加热灯下并用铝箔覆盖以保持温度并防止水分流失。然后每个汉堡被切片并分成适当的份量进行相应的分析程序（图1），这些分析在烹饪后30分钟内完成，以确保样品处理的一致性。未烹饪和烹饪后的样品的视觉外观见补充材料1（图SP1）。烹饪被认为是一个关键的处理步骤，因为热处理会导致水分和脂肪损失，促进蛋白质-脂肪基质的结构重组，并导致表面变化，从而形成外壳，所有这些都会显著影响最终的质地特性。

**下载：高分辨率图片（246KB）**
**下载：全尺寸图片**
**图1. 分析中使用的各种实验技术的示意图。**
a) 质地剖面分析，b) 穿透分析，c) 切割分析，d) 颗粒大小分布分析，e) 感官分析。

样品通过物理质地测试（质地剖面分析（TPA）、穿透和切割）、颗粒大小分布分析以及感官评价进行评估。对于每种方法，都使用薄刃刀具仔细准备样品，以确保重复实验的精确性和一致性。每种测试的具体设置如图1.2.2所示。通过仪器进行纹理分析，以表征工业配方与热处理及表面结构发展相结合所形成的机械性能。所使用的仪器为TA.XT Plus纹理分析仪（Stable Micro Systems，英国），配备有HDP/90重型平台和50公斤负载传感器。

2.2.1 纹理分析（TPA - 压缩测试）
压缩测试用于表征烹饪后汉堡基质的整体机械性能。对于每种产品，使用尺寸为25毫米 x 25毫米的汉堡样本进行测试（见图1a）。测试使用75毫米的平端探针（SMS P/75），进行两次压缩，每次压缩变形30%，两次压缩之间间隔5秒，测试速度为1毫米/秒；测试后速度为1毫米/秒，触发力为10克。从力-时间曲线中可以获得压缩硬度（牛顿）、内聚性、韧性、咀嚼性和弹性等参数。每个参数均从3个样本中重复测量12次。

2.2.2 渗透测试
渗透测试用于评估表面阻力以及表皮形成对纹理行为的影响。对于每个参考样本，使用汉堡的八分之一进行评估（见图1b）。测试使用Volodkevich咬合颚夹具（HDP/VB*），进行7毫米的压缩测试，测试速度为1毫米/秒；测试后速度为5毫米/秒，触发力为10克。从力-时间曲线中可以获得渗透硬度（牛顿）、渗透面积（牛顿·秒）、4毫米处的力（牛顿）以及表皮阻力（通过峰值力与4毫米处力的差值计算得出）。每个参数均从3个样本中重复测量12次。

2.2.3 切割测试
切割测试用于评估烹饪后汉堡结构的剪切阻力，同时考虑了内部基质特性和表面效应。对于每个参考样本，使用汉堡的一半进行评估（见图1c）。测试使用Warner Bratzler刀片（HDP/WBR），进行30毫米的切割测试，测试速度为1毫米/秒；测试后速度为5毫米/秒，触发力为10克。从力-时间曲线中可以获得切割硬度（牛顿）、切割面积（牛顿·秒）和粘附性（牛顿·秒）。每个参数均从3个样本中重复测量6次。

2.3. 颗粒大小分布分析
为了更好地理解工业配方和加工过程如何影响PBMA汉堡的破碎行为，应用了体外咀嚼模型来模拟咀嚼过程中发生的机械破碎现象。该方法提供了关于十次标准化咀嚼循环后颗粒大小分布的见解，作为口腔内分解和食团形成的代理指标。对于每个参考样本，使用7克样本进行体外口腔处理后的颗粒大小分布评估。咀嚼模拟遵循Mu?oz-Nú?ez等人（2023年）描述的方法，并进行了些许修改。使用手动厨房切碎机（Tescoma，Cazzago San Martino，意大利），配备三个圆形刀片和圆柱形容器（直径7厘米×高度16厘米），来模拟咀嚼的切割动作。该分析的设置如图1d所示。每个样本在切碎机内进行10次标准化咀嚼循环。本研究中使用的基于手动切碎机的咀嚼模型遵循先前的方法论（Mu?oz-Nú?ez等人，2023b；Rizo等人，2019），旨在简化并标准化模拟食物破碎的过程，而非定量再现人类咀嚼力或咀嚼频率，同时仍能捕捉到口腔处理过程中纹理破碎的相关方面（Motoi等人，2013；Panouillé等人，2016）。选择10次循环是为了近似模拟咀嚼的早期至中期阶段。人类咀嚼通常在吞咽前涉及约15-25次循环，其中大部分结构破坏发生在前5-15次循环内（Jalabert-Malbos等人，2007）。基于此，并结合作者进行的初步体内观察（评估了不同汉堡样本吞咽前所需的咀嚼次数），选择了10次循环作为具有代表性的中间点，以便在避免过度均质化的前提下区分样本。然而，这种方法存在固有局限性，因为没有考虑人类咀嚼动力学和唾液的影响（Wee等人，2018）。然后将咀嚼后的产品小心转移到直径16厘米的玻璃培养皿中，放置在带有照明的灯板上（Zecti，A4 USB LED平板），在暗室中进行，以确保视觉对比。使用智能手机相机（POCO F3，型号M2012K11AG，Xiaomi，中国）在样本上方19.5厘米的高度拍摄颗粒分布图像。颗粒图像使用ImageJ软件（版本v1.54d，美国国立卫生研究院）进行分析。数字图像分割和二值图像处理遵循为本研究专门创建的信息宏来完成。为了排除灰尘或非常小的颗粒，未考虑直径小于0.1毫米的颗粒。对图像应用黑白阈值以提供颗粒数量和大小。颗粒大小数据分为四个直径范围：（0.1-10毫米）、（10-50毫米）、（50-100毫米）和（>100毫米）。所有测量均由同一操作员重复进行三次。

2.4 感官分析
采用“检查所有适用项”（CATA）方法进行了消费者感官研究，评估了七个PBMA汉堡样本。这些样本根据其颗粒大小分布特征（第3.3节）进行选择，代表了不同的结构类别。具体来说，样本B4和B17因含有大量的大颗粒（>100毫米）而被选中，而B14和B20则因含有较多的小颗粒（0.1至10毫米）和较少的大颗粒（>100毫米）而被选中。此外，样本B1作为具有更平衡颗粒大小分布的中间参考样本也被包括在内。其余样本的选择是为了确保数据集中的变异性得到体现。研究由100名未经培训的评估者（男性39人；女性61人）参与，他们具有不同的年龄和饮食背景。所有参与者在参与前均签署了知情同意书。感官研究方案和所有文件均经过了UVIC-UCC大学研究伦理委员会的审查和批准（参考编号：321/2024）。
样本按照第3.1节描述的程序进行烹饪，并在单独的品鉴会中进行评估，采用平衡的呈现顺序。汉堡在未标品牌的情况下提供，并标有随机三位数代码。在品鉴样本之间，要求评估者用水漱口并食用一片普通饼干，每次品鉴之间休息2-4分钟以减少交叉影响。参与者需要完成一份纸质问卷，内容包括社会人口统计（年龄、性别和教育背景）和饮食背景（肉类消费和之前的PBMA使用经验）相关问题。对于每个汉堡样本，消费者使用九点愉悦度量表评估整体喜好、风味喜好和口感喜好，量表两端分别标记为“非常不喜欢”和“非常喜欢”，“既不完全喜欢也不完全不喜欢”位于中间。消费者还使用CATA问题描述产品的感官特性。为此，向他们提供了一份包含25个属性的列表，并要求他们标记所有适用于该样本的属性。这些属性包括：“粘稠”、“多汁”、“坚实”、“易碎”、“有嚼劲”、“紧密”、“松软”、“油腻/油腻”、“密集”、“干燥”、“纤维状”、“粉状”、“湿润”、“糊状”、“有弹性”、“颗粒状”、“粗糙”、“坚硬”、“柔软”、“脆弱”、“脆皮”、“有大颗粒”、“有小颗粒”、“类似肉的口感”和“奇怪的口感”。这些属性在问卷中以随机顺序呈现，以减少潜在的顺序效应。CATA描述词是通过作者之间的讨论定义的，并参考了有关汉堡和肉类类似物感官评估的相关文献（Godoschalk-Broers等人，2022；Los等人，2020），随后由经验丰富的消费者小组进行了验证（Godoschalk-Broers等人，2022；Los等人，2020）。在调查结束时，还要求参与者从同一列表中选择他们认为“理想”汉堡的所有属性。

2.5 统计分析
统计分析使用XLSTAT软件（XLSTAT 2023，Addinsoft，纽约，美国）和IBM SPSS Statistics 29.0（IBM Corporation，阿蒙克，美国）进行。物理分析的数据通过单因素方差分析（ONE-WAY ANOVA）来评估样本之间的显著差异。对于CATA问卷获得的感官数据，应用Cochran的Q检验来识别每个属性的样本间显著差异。在XLSTAT中进行了多元分析：主成分分析（PCA）用于可视化样本分布并探索仪器和感官纹理属性之间的关系；对应分析（Correspondence Analysis，CA）和主坐标分析（Principal Coordinate Analysis，PCoA）用于研究感官描述词、产品定位和整体喜好之间的关联；惩罚分析（Penalty Analysis）用于识别消费者的关键感官驱动因素。在SPSS中计算皮尔逊相关系数（Pearson correlation coefficients）以评估机械、营养和感官变量之间的关系。统计显著性标准为p < 0.05；然而，鉴于探索的相关系数数量和相对较小的样本量，结果应谨慎解读，因为未应用正式的多重比较校正。

3. 结果与讨论
3.1 机械纹理属性
通过不同物理分析测量的所有纹理属性数据汇总在表2中，反映了工业配方与热处理相结合的结构和机械结果。
表2. 本研究中的PBMA汉堡测量的纹理属性。

| 测试类型 | 压缩硬度（N） | 内聚性 | 韧性 | 咀嚼性（N） | 弹性 | 渗透硬度（N） | 渗透面积（N·秒） | 4毫米处的力（N） | 表皮阻力 | 切割硬度（N） | 切割面积（N·秒） | 切割过程中的粘附性（N·秒） |
|-------------------|------------------|------------------|------------------|------------------|------------------|------------------|------------------|------------------|-------------------------|
| B1 | 0.71 | 0.36 | 5.1 | 0.80 | 10.1 | 0.73 | 26.9 | 30 | 4.3 | -5.7 | |
| B2 | 0.76 | 0.32 | 2.1 | 0.71 | 1.9 | 7.0 | 0.86 | 28.2 | 36 | -1.7 | |
| B3 | 10.9 | 0.75 | 0.37 | 6.3 | 0.77 | 4.0 | 13.3 | 38.1 | -2.2 | |
| B4 | 6.5 | 0.58 | 0.23 | 2.4 | 0.64 | 9.4 | 1.6 | 18 | -2.7 | |
| B5 | 17.1 | 0.75 | 0.36 | 9.7 | 6.6 | 21.4 | 3.2 | 6.3 | 57 | |
| B6 | 8.9 | 0.72 | 0.30 | 4.1 | 0.64 | 12.7 | 1.8 | 54.7 | -5.6 | |
| B7 | 12.1 | 0.67 | 0.30 | 5.9 | 0.72 | 3.6 | 12.5 | 1.9 | 28.5 | |
| B8 | 7.4 | 0.71 | 0.35 | 4.1 | 0.77 | 9.1 | 14.8 | 1.1 | 20.6 | |
| B9 | 25.6 | 0.79 | 0.43 | 16.8 | 0.83 | 3.6 | 13.0 | 24.1 | -3.5 | |
| B10 | 12.4 | 0.65 | 0.30 | 5.8 | 0.72 | 3.5 | 16.4 | 3.1 | 38.8 | -4.4 | |
| B11 | 10.9 | 0.72 | 0.37 | 6.1 | 0.78 | 3.4 | 13.7 | 2.5 | -3.5 | |
| B12 | 13.3 | 0.71 | 0.36 | 7.8 | 0.82 | 3.0 | 14.2 | 2.5 | -3.8 | |
| B13 | 13.3 | 0.71 | 0.36 | 7.8 | 0.82 | 3.0 | 14.2 | 2.5 | -3.8 | |
| B14 | 13.8 | 0.72 | 0.33 | 7.5 | 3.4 | 13.6 | 3.8 | -3.0 | |
| B15 | 13.8 | 0.72 | 0.33 | 7.5 | 3.4 | 13.4 | 2.3 | 17.6 | -2.3 | |
| B16 | 8.7 | 0.67 | 0.29 | 3.8 | 0.66 | 14.8 | 2.7 | 0.4 | 25.7 | |
| B17 | 18.5 | 0.76 | 0.41 | 11.6 | 0.82 | 2.6 | 17.7 | 2.6 | 2.4 | -3.3 | |
| B18 | 7.0 | 0.70 | 0.31 | 3.3 | 0.68 | 1.5 | 0.65 | 13.8 | -1.8 | |
| B19 | 19.3 | 0.47 | 0.18 | 0.79 | 0.53 | 1.9 | 19 | -1.3 | |
| B20 | 17.0 | 0.65 | 0.26 | 3.0 | 0.68 | 1.5 | 0.6 | 16.9 | -1.8 | |
| B21 | 16.8 | 0.70 | 0.31 | 0.65 | 1.5 | 0.26 | 1.2 | 0.32 | 0.6 | |
| B22 | 13.0 | 0.47 | 0.30 | 5.8 | 0.72 | 3.5 | 0.72 | 2.3 | 0.6 | |
| B23 | 12.4 | 0.65 | 0.30 | 5.8 | 0.72 | 3.5 | 0.72 | 1.8 | 1.5 | |
| B24 | 10.9 | 0.72 | 0.37 | 6.1 | 0.78 | 3.4 | 13.7 | -4.4 | |
| B25 | 12.4 | 0.72 | 0.37 | 6.1 | 0.78 | 3.4 | 13.7 | -3.5 | |
| B26 | 15.7 | 0.67 | 0.31 | 5.9 | 0.79 | 1.3 | 0.94 | 0.32 | |
| B27 | 13.7 | 0.71 | 0.36 | 7.8 | 0.82 | 3.0 | 14.2 | 2.5 | -3.8 | |
| B28 | 15.6 | 0.79 | 0.43 | 16.8 | 0.83 | 3.6 | 16.2 | 0.33 | |
| B29 | 12.1 | 0.67 | 0.30 | 5.6 | 0.72 | 3.6 | 12.5 | 1.9 | -1.5 | |
在4毫米深度时，具有较低穿透力的样本（例如B12、B2、B20）被认定为质地柔软且嫩滑的，而像B17和B6这样的样本则表现出更大的抗性，这主要是由于表皮的影响。这些数据表明，仅凭峰值力无法在不考虑表皮影响的情况下描述内部质地。另一方面，使用Warner-Bratzler刀片模拟剪切阻力的切割测试得出的硬度值普遍较高，范围从6.13牛顿（B20）到63.01牛顿（B5）。这种较高的硬度反映了测试的性质：较大的样本尺寸、较长的刀片移动距离以及在刀片退出测试装置时产生的高摩擦力（Novakovi?和Toma?evi?，2017年也有类似的观察）。切割力与穿透硬度之间存在强烈的正相关关系（r = 0.806，p < 0.001），但与压缩硬度之间没有这种相关性（r = 0.250，p = 0.287），这与Bakhsh等人（2021年）和Hong等人（2022年）的研究结果不同。例如，尽管B9样品显示出最高的压缩硬度，但其切割阻力并不相应。这些发现强调了仅使用标准TPA测量可能不足以预测口腔加工过程中的剪切和切割行为，从而强调了结合多种仪器方法来更好地表征PBMA质地的重要性。切割测试期间测得的粘附力范围从-5.75到-0.81牛顿·秒。虽然这一数值与其他机械参数没有相关性，但它可能对消费者的口感感知具有影响。B1和B5样品的粘附力最高，而B12和B18样品的粘附力最低。

通过对所有机械参数进行主成分分析（PCA，见图2），可以清楚地根据质地属性区分不同汉堡样品。前两个主成分解释了总方差的75.27%，其中PC1（55.82%）主要描述了与力相关的变量，而PC2（19.45%）则受粘附力的影响。PCA图左侧的样品显示出柔软/嫩滑的结构，而右侧的样品则对应于更坚韧的质地，对机械力有更强的抵抗力。值得注意的是，表皮的抗性与切割硬度和切割面积密切相关，这表明在切割抗性方面表皮的作用比在压缩或穿透测试中更为显著。

这些发现表明，PBMA汉堡根据测试方法的不同表现出不同的机械行为，没有任何一种测试能够完全描述其感知到的质地。切割测试和穿透测试之间的相关性很强，这表明它们都依赖于表面特性，如表皮的抗性。相比之下，压缩测试（TPA）捕捉到了整体的机械行为，但与剪切或穿透阻力之间的关联较弱。这突显了使用多种测试方法来全面表征植物基汉堡质地的重要性。

3.2. 颗粒大小分布
分析考虑了四种颗粒直径类别：0.1-10毫米、10-50毫米、50-100毫米和大于100毫米，并在图3中展示了代表性数据，在图4中提供了示意图。值得注意的是，人类咀嚼因素和唾液会对食团的结构分解产生显著影响（Yven等人，2005年），但这些因素在分析中未被考虑。

在所有汉堡样品中，颗粒大小分布存在显著差异，记录到的最大颗粒直径达到了596.60毫米。最小颗粒类别（<10毫米）始终占总面积的较小比例，通常在4%到10%之间，这表明细小颗粒的分解在大多数产品中并不占主导地位。相反，大多数样品的颗粒大小分布集中在50-100毫米和大于100毫米范围内。这种较大颗粒的主导地位表明了结构上的抗性，可能是由于蛋白质相互作用、纤维结构或特定的粘结系统阻碍了颗粒的分解。然而也有一些例外，如B14和B20样品，它们含有较高比例的较小和中等大小的颗粒，表明这些产品在咀嚼过程中更容易分解。相比之下，B4、B11和B17样品含有较高比例的大颗粒（>50%），表明这些产品的结构不易分解成小颗粒。通过视觉检查（见图4），一些看似较大的颗粒可能是由于小颗粒通过纤维或蛋白质链部分连接形成的。在这种情况下，图像分析软件将它们分类为单个颗粒，这可能导致较大颗粒类别的出现。这反映了某些样品的结构特征，其中蛋白质网络或粘结剂可能限制了咀嚼模拟过程中的颗粒完全分离。另一方面，其他样品如B1、B5、B7等显示出较广泛的颗粒大小分布。

基于它们不同的颗粒大小分布模式，选择了B1、B4、B5、B11、B14、B17和B20样品进行进一步的感觉评估，以探讨颗粒分解行为与感觉感知之间的潜在关系。

3.3. 营养成分
20个PBMA汉堡样品的营养成分及主要脂肪和蛋白质来源在表1中列出。脂肪含量差异很大，范围从4.8克/100克到19.0克/100克不等，饱和脂肪含量范围从0.4克/100克到5.6克/100克不等。碳水化合物和糖的含量分别介于1.9克/100克到14.0克/100克和0克/100克之间。蛋白质含量范围从11克/100克到27克/100克不等。盐含量范围从0.75克/100克到1.87克/100克不等。这些结果与其他研究一致，这些研究评估了西班牙（Costa-Catala等人，2023年；Rizzolo-Brime等人，2023年）以及其他地区（Bohrer，2019年；Boukid & Castellari，2021年；Bryngelsson等人，2022年；Cutroneo等人，2022年；Locatelli等人，2024年；Sultan等人，2024年；Vellinga等人，2024年）不同地区PBMA汉堡的营养成分。总体而言，由于分析的样品数量较多，这些研究呈现的结果范围更广。

3.4. 感官评估
感官分析显示样品之间存在差异。最常被选的属性是“多汁”，其次是“嫩滑”和“类似肉的质地”。相比之下，最少被选的属性依次是“粘腻”、“纤维状”和“易碎”。当参与者被要求选择理想汉堡的属性时，“类似肉的质地”（84%）、“多汁”（83%）和“嫩滑”（76%）是最常被选的。样本B4在所有三个方面（整体、质地和风味）上的评分最低，而样本B1在每个类别中得分最高（分别为2.9、2.75和2.9以及6.7、6.4和6.7）。

为了探讨感官属性与样品之间的关系，进行了对应分析（CA）和主坐标分析（PCoA）。CA图（图5）解释了总方差的72.78%（F1=45.05%，F2=27.74%），主要根据样品的质地特性进行区分。样品B1和B11位于地图的左侧，与“类似肉的质地”、“嫩滑”和“多汁”等属性密切相关，这些属性通常与较高的消费者喜好度相关，因此与理想汉堡相符。相比之下，B4和B5位于地图的右侧，与“糊状”、“干燥”、“易碎”和“粉状”质地相关。B17和B20位于图的上部，其特征是“坚硬”、“有嚼劲”、“弹性”和“紧实”的质地。B14和B15位于中间位置，主要与海绵状和纤维状属性相关。

为了更好地理解单个感官属性对消费者接受度的影响，进行了基于理想产品与评价样品之间差异的惩罚分析（图6）。根据定量结果，“类似肉的质地”、“嫩滑”和“多汁”被认为是提升喜好度的关键正面因素，并被归类为“必备”属性，因为缺乏这些属性会导致整体喜好度显著下降（平均下降幅度分别为+2.34、+1.51和+1.51）。这些发现表明，当这些关键属性缺失时，整体接受度显著降低。

大多数其余的感官属性被归类为“无负面影响”，表明尽管它们不是理想汉堡的特点，但它们的存在并不会显著降低整体喜好度。相比之下，“奇怪的质地”对接受度的负面影响最大（平均下降幅度= -1.83；p < 0.0001），因此被归类为“不可有”属性。其他负面因素包括“粉状”（-1.40）和“糊状”（-1.38）。

总体而言，这些结果表明，消费者对植物基汉堡的接受度主要受到类似肉的、嫩滑和多汁的质地的驱动，而非典型或不理想的质地感受会显著降低整体喜好度。

3.5. 讨论
以下讨论重点关注工业配方和加工策略如何塑造PBMA汉堡的结构，以及这些结构特征如何影响机械行为、口腔分解和感官感知。未观察到主要蛋白质或脂肪成分类型与汉堡质地特征之间的明确关系。这表明质地不仅取决于成分本身，还取决于这些成分在工业加工和烹饪过程中的结构化和转化方式。例如，硬度较高的样品如B5、B9、B6和B17在压缩、穿透和切割测试中表现出更大的抗性，它们的主要蛋白质来源也有所不同（见表1）。主要脂肪成分也表现出类似的趋势，没有发现质地参数与主要脂肪类型之间的相关性。这些结果表明，整体质地主要受蛋白质和脂肪成分的结合效应及其相对比例的影响，以及其他配方成分和加工条件的贡献，而不是特定类型的蛋白质或脂肪。尽管存在这些成分效应，硬度、内聚性和切割阻力之间缺乏一致的关系，表明这些参数受不同结构机制的支配。硬度主要与压缩抵抗力相关，可能与蛋白质网络密度有关，而内聚性和切割阻力则更多地依赖于结构的完整性和连续性，这可能是由于结构中的不连续性或包裹的空气所致。脂肪相的行为也可能通过其在测试中的物理状态影响这些性质，因为熔融脂肪可以降低变形和切割阻力。重要的是，这些因素的 combination，以及其他成分和结构特征，在决定最终质地方面起着关键作用。本研究中未评估的水分状态也可能影响结构完整性，应在未来的研究中加以考虑。这些发现进一步强调了加工条件和结构化策略在定义PBMA汉堡最终质地中的主导作用。

未发现颗粒大小分布测试与其他仪器质地或感官分析之间存在明确的关系。仪器机械性质与体外咀嚼结果之间缺乏直接相关性，可能是因为这两种方法在原理上有根本差异。虽然质地分析在可控变形条件下提供静态测量，但本研究中应用的体外咀嚼模型模拟了更接近口腔加工过程中重复切割和颗粒分解的过程（Panouillé等人，2016年；Rizo等人，2019年）。此外，口腔加工涉及动态因素，如颗粒大小的逐渐减小、唾液的掺入和润滑作用，以及温度和食团凝聚性的变化，这些因素无法通过标准机械测试来捕捉（Motoi等人，2013年；Wee等人，2018年）。因此，仅凭仪器参数可能无法完全反映PBMA汉堡在咀嚼过程中的复杂分解行为。需要注意的是，本研究中使用的体外咀嚼方法是一个简化模型，旨在通过机械破碎来隔离和评估结构分解。因此，没有包括唾液融入和润滑等因素。这种方法代表了理解分解行为的初始步骤，而需要更先进的模型（例如包含人工唾液的模型，参见Mu?oz-Nú?ez等人，2023b年）以及最终的体内研究，才能全面捕捉口腔处理的复杂性。重要的是，除了颗粒破碎之外，形成有凝聚力的可吞咽的食团是口腔处理中的一个关键阶段。在PBMA汉堡中，这一转变可能不是最佳的，常常导致口感被感知为干燥或糊状。这有助于解释本研究中观察到的感官反应，特别是对于那些被认为是不理想的属性。

PBMA汉堡之间颗粒大小分布的差异可以通过加工条件和所用原材料特性的变化来解释。在植物基汉堡配方中，可以根据其生产过程中应用的质地化和随后的尺寸减小步骤，获得不同颗粒大小和形状的变性植物蛋白（TVPs），如块状、切碎的颗粒或片状（参见Mosibo等人，2022年；Riaz，2004年）。选择和组合这些成分是为了在最终产品中实现特定的结构和质地属性。此外，还可以进行后处理操作，例如水化后的研磨，以进一步调整颗粒大小和质地（参见Vila-Clarà等人，2024年）。因此，体外咀嚼后获得的颗粒大小分布不仅反映了煮熟的汉堡基质的机械阻力，还反映了与成分选择和加工策略相关的上游决策，这些决策最终会影响口感的感知。

就营养成分而言，一些显著的关联性与物理和感官分析的结果一致。饱和脂肪含量与切割面积（r = 0.561，p = 0.010）和切割硬度（r = 0.566，p = 0.009）呈正相关，表明含有较高饱和脂肪的汉堡通常需要更多的能量和力来切割。总脂肪含量也与粘性（r = 0.490，p = 0.028）呈正相关。需要注意的是，烹饪过程中的成分变化，如水分或脂肪的损失，可能会影响质地结果（参见Hong等人，2022年；Vu等人，2022年），而这些在数据集中没有考虑。据报道，脂肪在口感属性（如嫩度、多汁性和口感）中起着关键作用（参见Boukid，2021年）。这些效应受到脂肪类型的调节，因为饱和脂肪由于其较高的熔点，在室温下更为固态，从而影响硬度 and 结构（参见Marchi等人，2021年）。鉴于脂肪的功能性强烈依赖于温度，这些效应与烹饪过程中的热处理密切相关，热处理控制脂肪的熔化、重新分布及其与蛋白质基质的相互作用。

此外，外壳阻力（来自穿透测试）与饱和脂肪含量呈正相关（r = 0.605，p = 0.005），并与蛋白质（r = -0.593，p = 0.006）和糖含量（r = -0.536，p = 0.015）呈负相关。这些关系表明，脂肪可能在烹饪过程中促进产品的外部酥脆性（参见《肉类和植物基肉类替代品的组成》，2023年）。特别是，当饱和脂肪在烧烤过程中融化并迁移到表面时，它们可能在界面处促进局部煎烤效应，增强表面脱水并可能促进美拉德反应。由于外壳形成是热处理的直接结果，仪器测量和感官测量之间的强烈一致性突显了在设计具有理想质地属性的PBMA汉堡时控制烹饪相关表面变化的重要性。

碳水化合物含量与感官评估中的多个质地属性显著相关（参见CATA）。它与整体接受度（r = -0.902，p = 0.005）和质地接受度（r = -0.889，p = 0.007）呈强负相关。此外，较高的碳水化合物水平与“奇怪的质地”感知呈正相关（r = 0.838，p = 0.018），与“类似肉的质地”选择呈负相关（r = -0.835，p = 0.019）。这种负相关也可能与烹饪过程中的淀粉糊化有关。较高的碳水化合物含量通常与增加的淀粉水平相关，淀粉糊化可能导致糊状或面粉状的质地。此外，如甲基纤维素或其他纤维这样的粘合剂也可能导致这些负面的质地感知。这与惩罚分析的结果一致，其中这些属性被认为是不理想的（“绝对不可有”的）。然而，与物理分析没有观察到总体相关性，这很可能是由于使用的碳水化合物和纤维类型多样，每种在PBMA配方中具有不同的功能作用。例如，甲基纤维素在分析的20个汉堡中有17个中存在（见补充材料2），并且已被证明可以增加硬度、粘性和咀嚼性（TPA）以及切割阻力（参见Bakhsh等人，2021年）。在分析的样本中，有3个不含甲基纤维素的汉堡使用了鸡蛋作为粘合剂。然而，与其它样本相比，没有观察到质地或分解行为的显著差异。在这方面，近年来，研究和行业越来越多地探索植物基替代品作为植物基肉制品中的结构和粘合剂，包括经过酶处理的植物纤维（例如柑橘、豌豆、苹果），它们具有可比的粘合、保水性和质地性能（例如硬度、凝聚力），这表明有可能减少对合成胶体的依赖，同时保持理想的质地特性（参见Sze Wei等人，2024年）。

其他用作质地改良剂的成分，如黄原胶、淀粉和来自不同植物来源的纤维，也在多个样本中存在，并可能影响了结果。这些添加剂通常用于PBMA汉堡的配方中以改善结构和质地（参见Kyriakopoulou等人，2021年），尽管在本研究中没有量化它们的个体贡献。然而，重要的是要注意，宏量营养素组成并不总是决定质地属性和口腔处理行为的因素，正如Wee等人（2018年）所指出的。从感官评估来看，感官属性与物理分析获得的机械参数之间存在显著的关系。在感官描述符中，“酥脆的外壳”与穿透硬度（r = 0.760，p = 0.047）、切割硬度（r = 0.818，p = 0.024）以及来自穿透测试的外壳阻力（r = 0.759，p = 0.048）呈正相关，表明仪器和感官对表面质地的感知是一致的。在这方面，Ilic（2023年）在他的研究中也指出，在烧烤过程中形成的外壳对PBMA汉堡的质地有很大影响。PBMA汉堡中的外壳形成是由于加热过程中的聚合反应，它在防止水分和脂肪损失方面发挥了关键作用（参见Ilic，2023年）。这使得量化外壳的发展对于通过感官和物理分析准确评估汉堡质地至关重要。

为了检查仪器质地测量与感官感知之间的关系，进行了主成分分析（PCA），将仪器参数（压缩硬度、切割硬度和穿透硬度）与可能与硬度相关的感官属性结合起来（例如，“类似肉的质地”、“嫩”、“软”、“坚固”、“紧凑”、“密集”、“硬”和“酥脆的外壳”）。主成分分析（PCA）的双坐标图（图7）解释了65.68%的总方差（F1 = 35.68%，F2 = 30.00%），并有助于可视化机械属性和感官质地描述符之间的关系。第一个维度（F1）主要由机械属性硬度和外壳阻力驱动。这些变量与“硬”、“密集”、“紧凑”、“坚固”和“弹性”等感官描述符一致。此外，“酥脆的外壳”这一感官属性与外壳阻力紧密一致，表明对外壳酥脆性的感官感知与机械测量的外壳阻力之间存在强烈的相似性。位于F1正侧的样本B5和B17表现出较高的机械阻力，并被感知为更紧凑和更坚实。在F1的相反侧，如B4和B14等样本更接近于包括“易碎”和“奇怪的质地”等感官描述符，反映了较低的机械阻力。第二个维度（F2）主要由与感知的柔软度和类似肉的质地相关的感官属性驱动。诸如“嫩”、“软”、“海绵状”和“类似肉的质地”等描述符与机械属性相反，证实了机械阻力和感知嫩度之间的预期负相关。位于图上部的样本B1和B11与这些感官描述符相关，表明质地更接近感官理想。

总体而言，这些结果表明，机械属性，特别是硬度和外壳阻力，与对坚实度和外壳酥脆性的感官感知一致，支持了仪器测量在预测PBMA汉堡质地感知中的相关性。此外，PCA还表明较软的样本与“类似肉的质地”和“嫩”等感官属性相关，这些属性与更高的消费者偏好相关。此外，PCA支持使用仪器测量作为特定感官属性的预测因子，特别是那些与表面属性如外壳相关的属性。对“奇怪的质地”的感知可能与咀嚼过程中的机械阻力与结构分解之间的不匹配有关，相对较高的硬度加上有限的纤维破碎会导致橡胶状或糊状的口感。这些发现可能有助于指导产品开发，因为它们表明控制机械属性有助于优化感官感知和消费者接受度。在这方面，仪器测试也可以作为质量控制的宝贵工具。然而，需要进一步的研究来开发将机械和感官属性联系起来的稳健预测模型。

关于产品可接受性，除了“类似肉的质地”之外，“多汁性”和“嫩度”被认为是驱动喜好度的关键因素。Zhang等人（2024年）在他们的研究中指出，PBMA汉堡的多汁性感知主要是由咀嚼过程中的血清释放驱动的，这更多取决于样本属性而不是吞咽时的食团属性。从加工的角度来看，调整TVP的水化或烹饪条件等策略是调节这些属性（如多汁性和嫩度）的关键手段。然而，这可能会影响其他质地参数，如硬度、脂肪含量或易碎程度（参见Zhang等人，2024年，2025年）。此外，还应考虑烹饪的时间和温度。在这方面，Brouwer等人（2025年）在他的研究中指出，随着核心温度的升高，PBMA汉堡的多汁性强度显著降低。明确的是，应努力复制类似肉的质地，同时避免那些明显偏离并可能被感知为不熟悉或奇怪的质地。因此，这些结果突显了结构和表面质地在增强或降低PBMA汉堡可接受性中的关键作用。总体而言，当前的结果表明，PBMA汉堡的质地和感官性能主要受工业加工和热处理的影响，这些因素决定了结构形成、机械阻力和消费过程中的分解行为。从产品标签上获得的营养数据被用作组成指标，这可能是一个局限性，因为标签上未披露的其他配方和加工变量也可能对观察到的质地行为有所贡献。这些结果进一步支持了在解释PBMA汉堡的质地和感官性能时同时考虑组成和加工的重要性。

4. 结论

本研究通过整合多种机械测试（TPA、切割和穿透）、感官评估和体外咀嚼模型，提供了PBMA汉堡质地的多维度表征。这种方法提供了关于结构组织和机械行为如何支配质地感知的新机制见解，同时也提供了关于模拟咀嚼过程中分解行为的额外信息。总体而言，发现结果表明，在质地和感官感知中观察到的显著变异性在很大程度上受工业配方和热处理过程中发展的结构特征的控制，特别是与蛋白质-脂肪网络形成和外壳发展相关的特征。通过对TPA、穿透和切割测试的评估，观察到所分析的汉堡在质地上的高度变异性，参数如硬度、凝聚性和粘性存在显著差异。烹饪过程中外壳发展的变化也在决定整体硬度和表面阻力方面发挥了重要作用。体外模拟咀嚼实验显示，颗粒大小分布在模拟咀嚼后存在差异，尽管这些分解模式并不总是与初始的机械或感官特性直接相关。这表明需要进一步的研究，结合唾液或体内实验方法来更好地理解口腔处理机制和食团形成过程。营养分析表明，脂肪和蛋白质等宏量营养素与多个机械参数存在显著关联，特别是饱和脂肪含量与面包皮的抗性呈正相关，这突显了成分对结构特性和口感的影响。感官评估显示，某些仪器测量结果与消费者感知一致，尤其是在“酥脆的外皮”、“嫩度”和“类似肉的质地”方面。然而，并非所有机械参数都能直接转化为感官结果。例如，通过穿透法测得的表面抗性比通过TPA测得的整体硬度更能预测产品的酥脆度，这强调了在评估PBMA汉堡时整合仪器测量和消费者反馈方法的重要性。

综上所述，这些发现对于食品工业具有重要意义，表明虽然仪器方法能够提供关于产品结构和机械特性的重要见解，但应通过感官分析来确保其质地特性符合消费者期望。从食品加工的角度来看，结果强调了控制配方、结构策略和烹饪条件作为设计具有理想感官特性的PBMA汉堡的关键因素。这些发现为研发团队提供了实用的框架，通过将面包皮抗性测量和效用分析纳入产品开发过程中，实现更精准的质地优化。

**作者贡献**
概念构思：G.V.-C., M.T.-M., L.V.-C., A.T.-G. 和 A.V.-M.
方法学：G.V.-C., M.T.-M., A.T.-G. 和 A.V.-M.
验证：G.V.-C., M.T.-M. 和 A.V.-M.
调查与研究：G.V.-C.
资源准备：M.T.-M., L.V.-C., A.T.-G. 和 A.V.-M.
初稿撰写：G.V.-C.
审稿与编辑：G.V.-C., M.T.-M., L.V.-C., A.T.-G. 和 A.V.-M.
监督：M.T.-M., L.V.-C. 和 A.V.-M.
资金争取：M.T.-M., L.V.-C. 和 A.V.-M.
所有作者均已阅读并同意最终发布的稿件版本。

**资助**
本研究得到了加泰罗尼亚政府在“加泰罗尼亚工业博士计划（DI-2022）”（项目编号：2022 DI 0027）和“加泰罗尼亚研究小组资助计划（SGR-Cat 2021）”（项目编号：2017 SGR 1566）下的支持。

**伦理声明**
本研究获得了维克大学（Universitat de Vic–Central University of Catalonia）研究伦理委员会（决议编号：321/2024）的批准，确认其研究目的和研究设计符合伦理要求。此外，该研究在获取知情同意和保密措施方面也符合伦理标准。主要研究人员的资质及可用资源被认为足以完成本研究。所有参与者均了解研究目的并自愿签署书面知情同意书，未涉及任何弱势群体，也未进行任何侵入性操作。作者声明所有数据均按照公认的伦理研究规范进行收集、分析和呈现。

**未引用参考文献**
Devezeaux De Lavergne等人，2021

**作者贡献声明**
Vila-Clarà Gil：初稿撰写、方法学制定、调查实施、数据分析、概念构思
Vila-Martí Anna：审稿与编辑、监督工作、方法学制定、资金争取、概念构思
Tárrega-Guillem Amparo：审稿与编辑、方法学制定、数据分析、数据整理
Vergés-Canet Laia：审稿与编辑、监督工作、方法学制定、资金争取
Torres-Moreno Míriam：审稿与编辑、验证工作、监督工作、资源协调、项目管理、方法学制定、资金争取、数据分析、概念构思