MétaCan
Menu
Retour à la cohorte
Enregistrement W2095231833 · doi:10.4141/cjas07026

Relationships between progeny residual feed intake and dam productivity traits

2007· article· en· W2095231833 sur OpenAlexvenueno aff
J. A. Basarab, D. H. McCartney, E. K. Okine, V. S. Baron

Notice bibliographique

RevueCanadian Journal of Animal Science · 2007
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetic and phenotypic traits in livestock
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésResidual feed intakeAnimal scienceBiologyIce calvingWeaningFeed conversion ratioProductivityBody weightLactationPregnancyEndocrinology

Résumé

récupéré en direct d'OpenAlex

Two hundred and twenty-two yearling calves and their dams were used to examine the phenotypic (rp) relationships between progeny residual feed intake (RFI) and maternal productivity across 10 production cycles. Progeny RFI ranged from -3.95 to +2.72 kg as fed d-1 (SD = 0.94), while RFI adjusted for off-test backfat thickness (RFIadj), ranged from -2.48 to +1.53 kg as fed d-1 (SD = 0.88). Progeny RFI and RFIadj were unrelated to on-test age, body weight, growth rate, and ultrasound longissimus thoracis area and positively related to feed intake (rp = 0.51 to 0.53; P < 0.001), feed to gain ratio (rp = 0.44 to 0.46; P < 0.001), feeding behaviour traits (rp = 0.29 to 0.36; P < 0.001) and cow RFI (rp = 0.30, P < 0.05). Progeny RFI was positively related to measures of body fat (rp = 0.21 to 0.27; P < 0.05), but these relationships disappeared when RFI was adjusted for off-test backfat thickness. Cows that had produced LOW (≤ 0.5 SD), MEDIUM (± 0.5 SD) or HIGH (≥ 0.5 SD) RFIadj progeny were similar in pregnancy (95.6 vs. 95.3 vs. 96.0%, P = 0.90), calving (84.9 vs. 83.4 vs. 86.3%, P = 0.62) and weaning (81.5 vs. 80.2 vs. 82.3%, P = 0.79) rates. However, cows that produced HIGH RFIadj progeny had a higher twinning rate (3.77 vs. 0.35 vs. 0.00%, P < 0.001) and an increased calf death loss (8.06 vs. 4.24 vs. 4.02%, P = 0.10) compared with cows that produced MEDIUM or LOW RFIadj progeny. Cow body weight over 10 production cycles was similar at weaning, pre-calving and pre-breeding for dams that had produced LOW, MEDIUM and HIGH RFIadj progeny, and dams that produced LOW RFIadj progeny consistently averaged 2–3 mm more back fat thickness than dams that produced HIGH RFIadj progeny. Calf birth weight, pre-weaning ADG and 200-d weight, and cow production efficiency and calving interval were similar among dams that produced LOW, MEDIUM and HIGH RFIadj progeny. In addition, dams that produced LOW RFIadj progeny consumed less feed during their second trimester of pregnancy (10.9 vs. 11.6 vs. 12.2 kg DM d-1, P < 0.05), had lower RFI values (-0.05 vs. 0.44 vs. 1.88 kg as fed d-1, P = 0.018) and calved later in the year (96 vs. 90 vs. 91 d Julian, P < 0.001) than dams that produced MEDIUM and HIGH RFIadj progeny. These results showed that efficient RFI progeny and dams consumed less feed, had improved feed to gain ratio and spent less time in feed activity than inefficient cows and calves. In addition, cows that produced efficient calves were fatter, had fewer twins, less calf death loss and produced the same weight of calf weaned per cow exposed to breeding compared with cows that produced inefficient progeny. However, cows that produced efficient or low RFI progeny calved 5–6 d later in the year than cows that produced inefficient or high RFI progeny, indicating a need to monitor reproductive fitness in low RFI replacement heifers and breeding bulls. Key words: Residual feed intake, cow reproduction, lifetime production efficiency

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: Observationnel
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
Métarecherche0,0010,002
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 Opus0,030
Tête enseignante GPT0,257
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 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

Citations145
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Animal ScienceMême sujetGenetic and phenotypic traits in livestockTravaux en français237 207