MétaCan
Menu
Retour à la cohorte
Enregistrement W1987126128 · doi:10.3168/jds.2011-4369

Prediction of enteric methane output from milk fatty acid concentrations and rumen fermentation parameters in dairy cows fed sunflower, flax, or canola seeds

2011· article· en· W1987126128 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJournal of Dairy Science · 2011
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueRuminant Nutrition and Digestive Physiology
Établissements canadiensAgriculture and Agri-Food CanadaUniversity of Lethbridge
Organismes subventionnairesnon disponible
Mots-clésRumenDry matterLatin squareSunflowerSilageForageChemistryTotal mixed rationAnimal scienceDairy cattleFood scienceCanolaFatty acidFermentationNeutral Detergent FiberComposition (language)Sunflower oilBiologyLactationAgronomyBiochemistryIce calving

Résumé

récupéré en direct d'OpenAlex

Milk fatty acid (FA) composition has been suggested as a means of predicting enteric methane (CH₄) output in lactating dairy cattle because of the common biochemical pathways among CH₄, acetate, and butyrate in the rumen. Sixteen lactating Holstein cows were used in a Latin square design with four 28-d periods. All diets contained steam-rolled barley, a pelleted supplement, barley silage [45% of dietary dry matter (DM)] and 3.3% added fat (DM basis) from 1 of 4 sources: calcium salts of long-chain FA (palm oil; control) or crushed oilseeds from sunflower, flax, or canola. The objectives of this study were to (1) compare the effect of diets on milk FA profile; (2) model CH₄ production from milk FA composition, intake, and rumen fermentation variables; and (3) test the applicability of CH(4) prediction equations reported in previous studies. Methane (g/d) was measured in chambers (2 animals/chamber) on 3 consecutive days (d 21-23). The test variables included total DM intake (DMI, kg/d; d 21-23), forage DMI (kg/d; d 21-23), milk yield (kg/d; d 21-23), milk components (d 18-21), milk FA composition (% total FA methyl esters; d 18-21), rumen volatile FA (mol/100 mol; d 19-21), and protozoal counts (d 19-21), and were averaged by chamber and period to determine relationships between CH₄ and the test variables. Milk trans(t)10-, t11-18:1, and cis(c)9t11-18:2 were greater for sunflower seeds compared with the other diets. Forage DMI (correlation coefficient, r=0.52; n=32), DMI (r=0.52; n=32), and rumen acetate + butyrate:propionate (r=0.72; n=16) were positively related to CH₄ (g/d), whereas rumen propionate (r=0.63; n=16), milk c9-17:1 (r=0.64; n=32), and c11-18:1 (r=0.64; n=32) were negatively related to CH₄. The best regression equation (coefficient of determination=0.90; n=16) was CH₄ (g/d)=-910.8 (±156.7) × milk c9-17:1 + 331.2 (±88.8) × milk 16:0 iso + 0.0001 (±0.00) × total entodiniomorphs + 242.5 (±39.7). Removing rumen parameters from the model also resulted in a reasonably good estimate (coefficient of determination=0.83; n=32) of CH₄. Stepwise regression analysis within diets resulted in greater coefficient of determination and lower standard error values. Predictions of CH₄, using equations from previous studies for the data set from this study, resulted in a mean overestimation ranging from 19 to 61% across studies. Thus, milk FA alone may not be suitable for developing universal CH₄ prediction equations.

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.

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 enseignants0,776
Score d'incertitude au seuil0,141

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,060
Tête enseignante GPT0,259
Écart entre enseignants0,199 · 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