MétaCan
Menu
Retour à la cohorte
Enregistrement W2018009078 · doi:10.2527/jas.2008-0939

Empirical prediction of net portal appearance of volatile fatty acids, glucose, and their secondary metabolites (β-hydroxybutyrate, lactate) from dietary characteristics in ruminants: A meta-analysis approach1

2008· review· en· W2018009078 sur OpenAlexaff
Christelle Loncke, Isabelle Ortigues Marty, J. Vernet, H. Lapierre, D. Sauvant, Pierre Nozière

Notice bibliographique

RevueJournal of Animal Science · 2008
Typereview
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueRuminant Nutrition and Digestive Physiology
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésPropionateNutrientAnimal scienceRumenChemistryNet energyFood scienceFermentationBiologyBiochemistry

Résumé

récupéré en direct d'OpenAlex

The current trend in energy feeding systems for ruminants toward a nutrient-based system requires dietary energy supply to be determined in terms of amount and nature of absorbed energy-yielding nutrients. The objective of this study was to establish response equations on the net portal appearance (NPA) of VFA and glucose, and their secondary metabolites beta-hydroxybutyrate (BHBA) and lactate, to changes in intake level and chemical dietary characteristics based on the Institut National de la Recherche Agronomique Feed Evaluation System for Ruminants. Meta-analyses were applied on published data compiled from the FLORA database, which pools the results on net splanchnic nutrient fluxes in multi-catheterized ruminants from international publications. For each nutrient, several prediction variables were tested. We obtained robust models for intakes up to 30 g of DM x d(-1) x kg of BW(-1) and diets containing less than 70 g of concentrate per 100 g of DM. These models were designed to predict the NPA (mmol x h(-1) x kg of BW(-1)) of total VFA based on the amount of ruminally fermented OM (RfOM) intake [adjusted R(2) (R(2)(adj)) = 0.95; residual means square errors (RMSE) = 0.24], to predict VFA profile (mol/100 mol of total VFA) based on type of RfOM intake (acetate: R(2)(adj) = 0.85, RMSE = 2.2; propionate: R(2)(adj) = 0.76, RMSE = 2.2; butyrate: R(2)(adj) = 0.76, RMSE = 1.09), and to predict the NPA (mmol x h(-1) x kg of BW(-1)) of glucose based on the starch digested in the small intestine independent of ruminant species, and while presenting no interfering factors on the residuals and individual slopes. The model predicting the NPA (mmol x h(-1) x kg of BW(-1)) of BHBA based on the amount of RfOM intake (R(2)(adj) = 0.91; RMSE = 0.036) was species-dependent, and the model predicting NPA (mmol x h(-1) x kg of BW(-1)) of lactate based on starch digested in the rumen (R(2)(adj) = 0.77; RMSE = 0.042) presented a wide dispersion. However, the NPA (mmol x h(-1) x kg of BW(-1)) of BHBA was related to the NPA of both butyrate (R(2)(adj) = 0.85; RMSE = 0.054) and acetate (R(2)(adj) = 0.85; RMSE = 0.052), and the NPA (mmol x h(-1) x kg of BW (-1)) of lactate was related to the NPA of propionate (R(2)(adj) = 0.51; RMSE = 0.096). This research showed that it is possible to accurately predict the amount and nature of absorbed nutrient fluxes based on dietary characteristics in both sheep and cattle. This work aims to quantify the consequences of digestion and portal-drained viscera metabolism on nutrient availability. These results can provide deeper insight into biological processes and help develop improved tools for dietary formulation.

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)0,046
score de la tête « metaresearch » (Gemma)0,034
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,046
Score d'incertitude au seuil0,245

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0460,034
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0080,028
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0030,001
Intégrité de la recherche0,0020,002
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 Opus0,097
Tête enseignante GPT0,301
Écart entre enseignants0,203 · 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'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations50
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

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