MétaCan
Menu
Retour à la cohorte
Enregistrement W2095595369 · doi:10.5424/sjar/2006044-207

Effect of protein source and enzyme supplementation on ileal protein digestibility and fattening performance in rabbits

2006· article· en· W2095595369 sur OpenAlexaff
A.I. García-Ruiz, J. García-Palomares, P. García-Rebollar, Susana Chamorro, R. Carabaño, C. de Blas

Notice bibliographique

RevueSpanish Journal of Agricultural Research · 2006
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueRabbits: Nutrition, Reproduction, Health
Établissements canadiensCentre Casa
Organismes subventionnairesCentro para el Desarrollo Tecnológico Industrial
Mots-clésSunflowerSoybean mealBiologyMealDry matterXylanaseProteaseDigestion (alchemy)Feed conversion ratioFood scienceAnimal scienceEnzymeAgronomyChemistryBiochemistryBody weightEndocrinology

Résumé

récupéré en direct d'OpenAlex

An experiment was conducted to determine the effects of source of protein (soybean vs sunflower meal) and enzyme supplementation (no enzyme vs protease addition vs protease + xylanase addition) on digestion and growth traits of rabbits. Treatments were arranged factorially in six isonutritive diets. Two hundred and forty rabbits weaned at 25 or 35 days were used to measure dry matter and crude protein apparent ileal digestibility of diets at 35 or 45 days of age, respectively. Another one hundred and eighty animals weaned at 35 days were fed ad libitum in individual cages during four weeks to determine fattening performance. Source of protein did not affect digestion efficiency or feed conversion rate in the whole fattening period, but animals fed soybean meal-based diets showed higher feed intake, grew faster and had higher mortality than those fed sunflower meal-based diets. Addition of enzymes increased ileal apparent digestibility, especially in youngest animals when supplements contained xylanase besides protease activity. Enzyme supplementation did not affect any of the growth traits studied, but decreased fattening mortality in sunflower meal-based diets.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,026
Tête enseignante GPT0,299
Écart entre enseignants0,272 · 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'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

Citations42
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSpanish Journal of Agricultural ResearchMême sujetRabbits: Nutrition, Reproduction, HealthTravaux en français237 207