MétaCan
Menu
← Retour à la cohorte
Enregistrement W2060081255 · doi:10.1002/jsfa.3314

Nutrient digestibility, performance and carcass traits of growing–finishing pigs fed diets containing graded levels of dehydrated lucerne meal

2008· article· en· W2060081255 sur OpenAlexaff
Philip Thacker, Inam Ul Haq

Notice bibliographique

RevueJournal of the Science of Food and Agriculture · 2008
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Nutrition and Physiology
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésMealBiologyDry matterNutrientAnimal scienceAgronomyFeed conversion ratioFood scienceBody weight

Résumé

récupéré en direct d'OpenAlex

Abstract BACKGROUND: Plant breeders have attempted to improve the nutritonal value of lucerne (alfalfa) by selecting for higher protein and lower fibre concentrations. Although targeted at ruminants, such changes could also improve the nutritional value of lucerne for monogastrics. The objective of this study was to determine the effects of graded levels of dehydrated lucerne meal on nutrient digestibility, performance and carcass traits of swine. RESULTS: The digestibility of dry matter, protein and energy declined linearly (P < 0.05) as the level of lucerne meal in the diet increased. Including lucerne meal at levels greater than 75 g kg−1 was detrimental to the growth rate of pigs during the growing period. During the finishing period, inclusion of lucerne meal at 75 and 150 g kg−1 resulted in improvements in weight gain and feed intake. Carcass traits were generally unaffected by lucerne inclusion. CONCLUSION: Lucerne meal may have greater potential for inclusion in diets fed to growing–finishing pigs than previously realized. To maximize pig performance, lucerne meal should be limited to less than 75 g kg−1 diet during the growing period, while it is possible to go as high as 150 g kg−1 diet during the finishing period without detrimental effects on performance. Copyright © 2008 Society of Chemical Industry

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)0,0010,000
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 recherche0,0010,001
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 Opus0,036
Tête enseignante GPT0,221
Écart entre enseignants0,185 · 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

Citations25
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the Science of Food and Agriculture→Même sujetAnimal Nutrition and Physiology→Travaux en français237 207→