Comparison of alternative beef production systems based on forage finishing or grain-forage diets with or without growth promotants: 2. Meat quality, fatty acid composition, and overall palatability
Notice bibliographique
Résumé
Five beef cattle management regimens were evaluated for their effect on meat quality, fatty acid composition, and overall palatability of the longis-simus dorsi (LD) muscle in Angus cross steers. A 98-d growing phase was conducted using grass silage with or without supplementation of growth promotants (Revalor G and Rumensin) or soybean meal. Dietary treatments in the finishing phase were developed with or without supplementation of growth promotants based on exclusive feeding of forages with no grain supplementation, or the feeding of grain:forage (70:30) diets. Growth promotants increased (P < 0.01) shear force and tended (P = 0.06) to increase toughness of the LD muscle due to limited postmortem proteolytic activity (lower myofibrillar fragmentation index value; P = 0.02). Grain feeding increased DM and intramuscular fat content (P = 0.03 and P = 0.05, respectively) in the LD but decreased the sensory panel tenderness score (P = 0.01). Growth promotants increased (P </= 0.05) the proportion of C18:0, C20:0, trans isomers of C18:1, and cis-9, trans-11 C18:2. Exclusive feeding of forages increased the proportion of cis-9, cis-12, cis-15 C18:3 as well as several other isomers of the n-3 family and decreased in the ratio of n-6 to n-3 fatty acids in the LD muscle as compared with supplementing grain (P < 0.05). In addition, the forage-based diet increased (P < 0.01) the concentration in the intramuscular fat of several intermediates (cis-9, trans-11, cis-15 C18:3; trans-11, cis-15 C18:2; trans-11 C18:1) of ruminal biohydrogenation. Forage feeding also increased the proportion of cis-9, trans-11 C18:2 (P < 0.01) and decreased the concentration of trans-10 C18:1 in the LD muscle (P = 0.03). It is concluded that quality demands of health-conscious consumers can be met through a forage-finishing and growth promotants-free beef production system.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».