MétaCan
Menu
Retour à la cohorte
Enregistrement W2036140694 · doi:10.1093/ps/83.10.1713

Effect of Dietary Crude Protein and Lysine on Feather Growth in Chicks to Twenty-One Days of Age

2004· article· en· W2036140694 sur OpenAlexaff
María Urdaneta-Rincón, S. Leeson

Notice bibliographique

RevuePoultry Science · 2004
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Nutrition and Physiology
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésFeatherBroilerLysineWeight gainFeather mealBiologyAnimal scienceBody weightNitrogenDietary proteinFood scienceChemistryBiochemistryAmino acidEcologyEndocrinology

Résumé

récupéré en direct d'OpenAlex

A study was conducted to evaluate feather development in male broiler chickens fed variable levels of dietary CP and lysine. Diets contained 170, 210, 250, or 290 g of CP/kg with 0.86, 1.22, 1.34, or 1.46% lysine, each being fed to 2 replicate groups of 4 chicks. Dietary CP per se had a significant effect on feather weight and feather nitrogen gain. Increasing dietary CP from 170 to 250 g of CP/kg of diet increased feather weight and feather nitrogen gain. No differences were found at higher dietary CP levels. Dietary lysine levels from 0.86 to 1.46% did not affect feather weight, feather nitrogen gain, or feather:body weight in male chicks to 21 d. However, feather weight and feather nitrogen gain decreased as lysine increased in diets with 170 and 210 g of CP but not with 250 or 290 g of CP/kg. Percentage of total feather nitrogen was also influenced by the level of dietary lysine in diets containing 210 and 250 g of CP/kg. Feather development was more influenced by dietary CP per se than by levels of lysine.

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)0,000
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 enseignants0,805
Score d'incertitude au seuil0,116

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,015
Tête enseignante GPT0,242
Écart entre enseignants0,227 · 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

Citations30
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePoultry ScienceMême sujetAnimal Nutrition and PhysiologyTravaux en français237 207