MétaCan
Menu
Retour à la cohorte
Enregistrement W2039672373 · doi:10.4141/a00-094

Omega-3 enriched eggs: The influence of dietary α-linolenic fatty acid source on egg production and composition

2001· article· en· W2039672373 sur OpenAlexvenueno aff
Ricardo Ayerza, Wayne Coates

Notice bibliographique

RevueCanadian Journal of Animal Science · 2001
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePolysaccharides Composition and Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésYolkFood scienceLinolenic acidFlavorFatty acidComposition (language)Polyunsaturated fatty acidOmega 3 fatty acidChemistryBiologyAnimal scienceDocosahexaenoic acidBiochemistryLinoleic acid

Résumé

récupéré en direct d'OpenAlex

A study was conducted to assess the effect of replacing chia with flaxseed as a source of α-linolenic acid in laying hen feed. Five diets, identified as T0 through T4, containing 0-0, 7-3, 9-5, 11.5-2.5 and 14-0% whole chia seed and whole flaxseed, respectively, were fed to 240 White Shaver laying hens, at 60 wk of age. No difference (P > 0.05) in egg production, egg weight, yolk weight and albumen weight were found among treatments. Total ω-3 acid percentage was higher (P < 0.05) in the yolks from the hens fed the α-linolenic acid-enriched diets, than in those fed the control diet. Of the three treatments that had any combination of chia and flaxseed comprising 14% of the diet, T2 yielded a lower (P < 0.05) ω-3 content in the yolk, than did T3 and T4. A taste panel found no difference (P > 0.05) in flavor or off-flavor among treatments; however, panel preferences were lower for eggs produced by hens fed the highest level of flaxseed (T2). This study showed no advantages to replacing chia with flaxseed to produce ω-3 enriched eggs. Greater availability of flaxseed, however, might make it more attractive in some markets. Key words: Eggs, chia, flaxseed, omega-3 fatty acid

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0010,000

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 Opus0,023
Tête enseignante GPT0,241
Écart entre enseignants0,218 · 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'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

Citations84
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Animal ScienceMême sujetPolysaccharides Composition and ApplicationsTravaux en français237 207