Comparison of in vivo and in silico growth performance and variability in pigs when applying a feeding strategy designed by simulation to control the variability of slaughter weight
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.
Notice bibliographique
Résumé
Variability in bodyweight (BW) among pigs complicates the management of feeding strategies and slaughter. Including variability among individuals in modelling approaches can help to design feeding strategies to control performance level, but also its variability. The InraPorc model was used to perform simulations on 10 batches of 84 crossbred pigs each to characterise the effect of feeding strategies differing in amino acid supply or feed allowance on the mean and variation in growth rate. Results suggested that a feed restriction reduces the coefficient of variation of BW at first departure for slaughter (BW1) by 34%. Growth performance obtained from an in silico simulation using ad libitum and restricted feeding plans was compared with results obtained in an in vivo experiment on a batch of 168 pigs. Pigs were offered feed ad libitum or were restricted (increase in feed allowance by 27 g/day up to a maximum of 2.4 and 2.7 kg/day for gilts and barrows, respectively). A two-phase feeding strategy was applied, with 0.9 and 0.7 g of digestible lysine per MJ of net energy (NE) in diets provided before or after 65 kg BW, respectively. Actual growth was similar to that obtained by simulation. Coefficient of variation of BW1 was similar in vivo and in silico for the ad libitum feeding strategy but was underestimated by 1 percentage point in silico for the restriction strategy. This study confirms the relevance of using simulations performed to predict the level and variability in performance of group housed pigs.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 découle