MétaCan
Menu
Retour à la cohorte
Enregistrement W1850241250 · doi:10.5376/ija.2015.05.0025

Evaluation on the effect of local and imported yeast as supplementary feed on African catfish (<i>Clarias gariepinus</i> Burchell, 1822) in Egypt

2015· article· en· W1850241250 sur OpenAlexvenueno aff
M. H. Mona, A. A. Alamdeen, Ensaf El-Gayar, Ahmed Heneish, El-feky Mohamed M. M.

Notice bibliographique

RevueInternational Journal of Aquaculture · 2015
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAquaculture Nutrition and Growth
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésClarias gariepinusCatfishFisheryBiologyYeastFish <Actinopterygii>Biochemistry

Résumé

récupéré en direct d'OpenAlex

This study aims to evaluate the effect of different graded levels of local and imported yeast ( Saccharomyces cerevisiae ) on growth performance of African catfish, Clarias gariepinus . A total of 250 fingerlings of the African catfish Clarias gariepnus were collected from Edku Lake for the experiment. The fish were divided into 5 groups, containing of 50 fish in each group. Describe the group and treatment given to each group of the fish. The results showed that the supplementation of local yeast, improved the growth and feed utilization. Significant results were recorded for treatment of G2 compared to the G1. It was shown that the yeast supplementation significantly affected the whole-fish body composition. All treatments exhibited higher values compared to the G1. Treatment of G2 also showed the lowest values for dray matter, ether extract and ash content, while it showed highest value for crude protein compared to the G1. Hematological analysis of all the treatments showed satisfactory values compared to the G1. From the economic point of view, the utilization of local baker's yeast for African catfish could reduce the cost, while increases the growth and production performance under farming conditions.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,022
Tête enseignante GPT0,268
Écart entre enseignants0,246 · 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'étudeObservationnel
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

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of AquacultureMême sujetAquaculture Nutrition and GrowthTravaux en français237 207