MétaCan
Menu
Retour à la cohorte
Enregistrement W2099366504 · doi:10.1017/s0043933912000086

Concepts and methods for understanding bone metabolism in laying hens

2012· article· en· W2099366504 sur OpenAlexafffund
W.K. Kim, Susan A. Bloomfield, Tomoyasu Sugiyama, Steven C. Ricke

Notice bibliographique

RevueWorld s Poultry Science Journal · 2012
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Nutrition and Physiology
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesUniversity of Manitoba
Mots-clésMedullary cavityBone remodelingCancellous boneEggshellBone resorptionLayingCortical boneOsteoclastBone marrowBiologyChemistryAnatomyEndocrinologyInternal medicineMedicineEcologyBiochemistryIn vitro

Résumé

récupéré en direct d'OpenAlex

Laying hens have a unique bone turnover due to the daily egg laying cycle. Laying hens have three distinctive kinds of bones related to egg formation: cortical, cancellous, and medullary bones. Cortical bone is a compact structural bone, whereas cancellous bone is the three-dimensional lattice-like honeycomb architecture at the end of long bones. Medullary bone is a highly labile woven bone lying in the marrow cavities. Medullary bone acts as Ca storage for egg shell formation. Thus, bone quality is closely related with egg production and eggshell quality. During the daily egg laying cycle, medullary bone osteoclasts alternately cease and accelerate bone resorption. Although osteoclast numbers are not changed during the daily egg laying cycle, considerable morphological changes in osteoclasts occur along with changes in calcium requirements for egg shell formation. Furthermore, the selection of proper methods is critical to obtain precise bone evaluation data, and include bone ashing, densitometric techniques, mechanical testing, or histomorphometry to evaluate bone status in laying hens. Since bone metabolism in laying hens is related to economic and animal welfare issues, better understanding of bone metabolism in laying hens would be important to enhance productivity and improve animal welfare.

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)0,002
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,862
Score d'incertitude au seuil0,442

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
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 Opus0,092
Tête enseignante GPT0,383
Écart entre enseignants0,291 · 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'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

Citations96
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWorld s Poultry Science JournalMême sujetAnimal Nutrition and PhysiologyTravaux en français237 207