Prediction of the effect of enzymes on chick performance when added to cereal-based diets: use of a modified log-linear model
Notice bibliographique
Résumé
A previous study demonstrated that a log equation could be used to predict the relationship between the amount of a crude enzyme added to a diet and chick performance. The objective of the current study was to determine if a modification of the original equation, in conjunction with a computer program, would overcome some of its limitations. The modified equation was Y = A + B log (CX + 1), where Y is the estimated performance value; A is the intercept that represents the performance without enzyme supplementation; B, the slope of the equation (performance change per log unit of an enzyme in the diet), is a measure of an enzyme efficacy; C is an amplified factor; and X is the amount of enzyme in the diet. The results demonstrated that the new model more accurately predicted chick performance than that of the original equation with correlations (r) between chick performance and amount of different enzymes added to the diet ranging from r = 0.80 to 0.99 (P < 0.05). In addition, the same trends were found when the model was used to assess the efficacy of a given enzyme added to corn-, wheat-, barley-, and rye-based diets or for combinations of two dietary components (rye and wheat). The model proposed in this study provides a new means of assessing the overall efficacy of an enzyme preparation. This model could be routinely used by enzyme and livestock producers to establish the best combination of different cereals and enzymes so as to maximize net returns.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».