MétaCan
Menu
Retour à la cohorte
Enregistrement W2012379057 · doi:10.2527/jas.2005-328

Comparison of alternative beef production systems based on forage finishing or grain-forage diets with or without growth promotants: 1. Feedlot performance, carcass quality, and production costs

2006· article· en· W2012379057 sur OpenAlexaff
R. Berthiaume, I. B. Mandell, L. Faucitano, C. Lafrenière

Notice bibliographique

RevueJournal of Animal Science · 2006
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueRuminant Nutrition and Digestive Physiology
Établissements canadiensUniversity of GuelphAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésFeedlotForageSilageBeef cattleAnimal scienceBiologySoybean mealMealCattle feedingAgronomyFood scienceDairy cattle

Résumé

récupéré en direct d'OpenAlex

Forty Angus-cross steers were used to evaluate 5 beef cattle management regimens for their effect on growth performance, carcass characteristics, and cost of production. A 98-d growing phase was incorporated using grass silage with or without growth promotants (trenbolone acetate + estradiol implants, and monensin in the feed) or soybean meal. Dietary treatments in the finishing phase were developed, with or without addition of the same growth promotants, based on exclusive feeding of forages with minimal supplementation or the feeding of barley-based diets. Overall, ADG for animals treated with growth promotants or fed supplemented diets (soybean meal and barley) was increased (P < 0.01) by 25 and 21%, respectively, compared with steers reared on grass silage alone and not treated with growth promotants. Except for HCW (P < 0.01), the use of growth promotants did not affect carcass measurements. Increasing the proportion of barley in the diet of steers finished on forage produced a heavier HCW (P < 0.01) and a greater (P < 0.01) quality grade. Because of their lower HCW and quality grade, cattle targeted to a forage-fed, nonimplanted beef market would need to garner a 16% premium to be economically competitive with cattle finished conventionally.

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)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,703
Score d'incertitude au seuil0,264

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
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 Opus0,064
Tête enseignante GPT0,323
Écart entre enseignants0,259 · 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'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

Citations72
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Animal ScienceMême sujetRuminant Nutrition and Digestive PhysiologyTravaux en français237 207