MétaCan
Menu
Retour à la cohorte
Enregistrement W1975682384 · doi:10.5539/jas.v2n4p3

Characterizing Fecal and Manure Phosphorus from Pigs Fed Phytase Supplemented Diets

2010· article· en· W1975682384 sur OpenAlexafffundvenue
Stephen Abioye, D. V. Ige, Oluwole Akinremi, Martins Nyachoti, Don Flaten

Notice bibliographique

RevueJournal of Agricultural Science · 2010
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePhytase and its Applications
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesManitoba Rural Adaptation Council
Mots-clésPhytaseFecesManurePhosphorusAnimal scienceUrineChemistryFood scienceBiologyAgronomyBiochemistryMicrobiology

Résumé

récupéré en direct d'OpenAlex

We conducted this study to characterize P forms in feces and manure from pigs fed phytase supplemented diets and to determine if higher phytase levels can result in greater reduction in manure P without increased P solubility. Twenty-eight growing pigs were fed diets containing varying levels of supplemental P and phytase. Phosphorus concentrations in feces, urine and manure were determined and fecal and manure P were fractionated. Phytase addition reduced P concentration in feces and manure but increased urine P concentration. The greatest significant reduction in fecal and manure P was in pigs fed diet containing 2000 U phytase kg-1 without supplemental P, with 33% reduction in manure P. Inorganic P constituted more than 85% of fecal and manure P and the percentage decreased with phytase addition. Our study showed that higher phytase levels up to 2000 U phytase kg-1 could offer additional advantage of reducing manure P concentration and solubility.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,906
Score d'incertitude au seuil0,358

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
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 Opus0,011
Tête enseignante GPT0,227
Écart entre enseignants0,216 · 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

Citations13
Publié2010
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetPhytase and its ApplicationsTravaux en français237 207