MétaCan
Menu
Retour à la cohorte
Enregistrement W2064230786 · doi:10.1046/j.1365-2095.2003.00220.x

Utilization of thin distillers' solubles as a palatability enhancer in rainbow trout (<i>Oncorhynchus mykiss</i>) diets containing canola meal or air-classified pea protein

2003· article· en· W2064230786 sur OpenAlexaff
D.L. Thiessen, Graham Campbell, R.T. Tyler

Notice bibliographique

RevueAquaculture Nutrition · 2003
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAquaculture Nutrition and Growth
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésPalatabilityCanolaDistillers grainsBiologyFood scienceDry matterMealRainbow troutFish mealTasteAnimal scienceFish <Actinopterygii>

Résumé

récupéré en direct d'OpenAlex

Two short-term palatability experiments indicated that supplementation of diets containing 15.0% of canola meal or 30.5% of air-classified pea protein with 3.3% or 3.9% thin distillers' solubles (dry matter basis), respectively, increased feed intake (P < 0.05) of rainbow trout over a 4-day period. Supplementation of the same diets with 6.6% or 1.9% thin distillers' solubles, respectively, did not increase feed intake (P > 0.05). Supplementation of the diets with 1.0% of a commercial palatability enhancer did not increase feed intake (P > 0.05). A subsequent 12-week growth experiment evaluated the long-term feed intake enhancing capability of thin distillers' solubles. Supplementation of diets containing 20.0% of air-classified pea protein or 20.0% of canola meal fines with thin distillers' solubles (4.0%, dry matter basis) over a 12-week period had no effect on feed intake or growth of rainbow trout fed either diet (P > 0.05). The reduction in the palatability enhancing ability of thin distillers' solubles may be the result of the fish becoming accustomed to the taste of this product over a longer feeding period, or because of the possible destruction or alteration of the amino acids involved in gustatory stimulation during thermal processing.

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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,252
Score d'incertitude au seuil0,652

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,035
Tête enseignante GPT0,264
Écart entre enseignants0,229 · 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

Citations37
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAquaculture NutritionMême sujetAquaculture Nutrition and GrowthTravaux en français237 207