MétaCan
Menu
Retour à la cohorte
Enregistrement W2035440848 · doi:10.5539/jfr.v4n1p168

Carcass Composition of West African Dwarf (WAD) Goats Fed Cassava Peel-Based Diets

2014· article· en· W2035440848 sur OpenAlexvenueno aff
C. A. Eneji, Godfrey Adokiye Kalio, Oluwatosin Kennedy-Oko

Notice bibliographique

RevueJournal of Food Research · 2014
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueCassava research and cyanide
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPotassiumPhosphorusComposition (language)Dry matterSodiumAnimal scienceZincMagnesiumChemistryChemical compositionCalciumFood scienceBiology

Résumé

récupéré en direct d'OpenAlex

<p>To investigate the effects of cassava peel-based diets on the meat composition of WAD goats, 24 five month-old goats were used for the experiment. Results show that the Dry Matter (DM), Crude Protein (CP) and Nitrogen Free Extract (NFE) content of the meat were not significantly (P>0.05) different. The DM, CP and NFE content ranged from 29.96-30.00%, 89.77-90.43% and 2.00-4.03% respectively. The mineral composition revealed no significant (P>0.05) differences in Iron (Fe), Calcium (Ca), Sodium (Na), Zinc (Zn), Magnesium (Mg), Potassium (K), Phosphorus (P) and Copper (Cu) content. The Fe, Ca, Na, Zn, Mg, K, P and Cu content ranged from 1.95-2.20mg, 23.65 -25.29mg, 72.86-77.05mg, 4.00-4.32mg, 55.65-57.83mg and 1.62-1.73mg respectively. From the results, it appears that cassava peels supplemented with sweet potato foliage could improve the meat composition of WAD goats.</p>

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)0,003
score de la tête « metaresearch » (Gemma)0,001
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,371
Score d'incertitude au seuil0,331

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
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 savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,090
Tête enseignante GPT0,332
Écart entre enseignants0,242 · 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

Citations3
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Food ResearchMême sujetCassava research and cyanideTravaux en français237 207