Dietary Forage and Nonfiber Carbohydrate Contents Influence B-Vitamin Intake, Duodenal Flow, and Apparent Ruminal Synthesis in Lactating Dairy Cows
Notice bibliographique
Résumé
The objective of this experiment was to quantify intakes, duodenal flows, and ruminal apparent synthesis (AS) of B-vitamins in lactating dairy cows fed diets varying in forage and nonfiber carbohydrate (NFC) contents. Eight (4 primiparous and 4 multiparous) ruminally and duodenally cannulated Holstein cows were assigned to 4 dietary treatments in a replicated 21-d period, 4 x 4 Latin square design with a 2 x 2 factorial treatment arrangement. Diets, fed as TMR, contained (DM basis) 2 levels of forage (35 and 60%) and 2 levels of NFC (30 and 40%). The forage portion of the diets contained 50% corn silage, 33% alfalfa hay, and 17% grass hay. Soybean hulls and beet pulp (2:1) and corn meal and ground barley (2:1) were included to achieve desired NFC concentrations. No supplemental B-vitamins were fed. B-vitamin AS was calculated as the amount of a specific B-vitamin flowing to the duodenum minus its daily orts-corrected intake. Dry matter and organic matter intakes were higher for cows fed the 35% forage diets and the 40% NFC diets. Increasing dietary forage content decreased ruminal AS of pyridoxine, folic acid, and B12. Increasing dietary NFC content increased ruminal AS of nicotinic acid, nicotinamide, niacin, pyridoxal, B6, and folic acid but decreased AS of B12. Across diets, amounts of B-vitamins synthesized were highest for niacin, followed by riboflavin, B12, thiamin, B6, and folic acid. Biotin AS values were negative for all diets, suggesting either no ruminal synthesis or that destruction by ruminal microflora was greater than synthesis. B-vitamin intake, duodenal flow, and ruminal synthesis are influenced by dietary forage and NFC contents.
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 | 0,001 | 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 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| 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 ».