MétaCan
Menu
Retour à la cohorte
Enregistrement W1503341865 · doi:10.1111/asj.12196

Determination of the net energy content of canola meal from <i><scp>B</scp>rassica napus</i> yellow and <i><scp>B</scp>rassica juncea</i> yellow fed to growing pigs using indirect calorimetry

2014· article· en· W1503341865 sur OpenAlexafffund
Jung Min Heo, Martin Nyachoti

Notice bibliographique

RevueAnimal Science Journal · 2014
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Nutrition and Physiology
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesCanola Council of Canada
Mots-clésCanolaBrassicaMealNet energyChemistryAnimal scienceDry matterCalorimetryFood scienceBiologyBotany

Résumé

récupéré en direct d'OpenAlex

The net energy (NE) content of canola meals (CM; i.e. Brassica napus yellow and Brassica juncea yellow) in growing pigs was determined using an indirect calorimetry chamber or published prediction equations. The study was conducted as a completely randomized design (n=6), with (i) a basal diet and (ii) 2 diets containing 700 g/kg of the basal diet and 300 g/kg of either of the two varieties of CM. A total of 18 growing barrows were housed in metabolism crates for the determination of digestible (DE) and metabolizable (ME) energy. Thereafter, pigs were transferred to the indirect calorimetry chamber to determine heat production (HP). The NE contents of diets containing Brassica napus yellow and Brassica juncea yellow determined with the direct determination technique and prediction equations were 9.8 versus 10.3 MJ/kg dry matter (DM) and 10.2 versus 10.4 MJ/kg DM, respectively. Retained energy (RE) and fasting heat production (FHP) of diets containing Brassica napus yellow and Brassica juncea yellow were 5.5 versus 5.7 MJ/kg and 4.3 versus 4.5 MJ/kg, respectively, when measured with the direct determination technique and prediction equations. The NE contents of Brassica napus yellow and Brassica juncea yellow were determined to be 8.8 and 9.8 MJ/kg DM, respectively, using the direct determination technique.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,628
Score d'incertitude au seuil0,565

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,029
Tête enseignante GPT0,227
Écart entre enseignants0,198 · 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 tête enseignante, 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

Citations28
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAnimal Science JournalMême sujetAnimal Nutrition and PhysiologyTravaux en français237 207