Short Communication: Salivary Secretion During Meals in Lactating Dairy Cattle
Notice bibliographique
Résumé
Four multiparous Holstein cows in midlactation were used in a 4 x 4 Latin square to evaluate whether source of forage influenced salivary secretion during eating in lactating dairy cows. The forages were allocated separately from the pelleted concentrates. Cows were offered 1 of 4 forages each period: barley silage, alfalfa silage, long-stemmed alfalfa hay, or chopped barley straw. Saliva secretion was measured during the morning meal by collecting masticates through the rumen cannula at the cardia of each cow. Rate of salivation (213 g/min) was not affected by forage source. However, the forage sources differed in eating rate (g of DM/min), which led to differences in ensalivation of forages (g of saliva/g of DM and g of saliva/g of NDF). On the basis of DM, ensalivation (g of saliva/g of DM) was greatest for straw (7.23) and similar for barley silage, alfalfa silage, and alfalfa hay (4.15, 3.40, and 4.34 g/g of DM, respectively). Higher ensalivation of straw could be accounted for by its higher neutral detergent fiber (NDF) content; ensalivation of NDF (g of saliva/g of NDF) was actually greatest for long-stemmed alfalfa hay (12.4) and similar for the other chopped forages (8.9). Cows consumed concentrate about 3 to 12 times faster than the various forages (DM basis), and ensalivation of concentrate was much lower (1.12 g of saliva/g of DM) than for forages. Feed characteristics such as particle size, DM, and NDF content affect salivary output during eating by affecting the eating rate. Slower eating rate and greater time spent eating may help prevent ruminal acidosis by increasing the total daily salivary secretion in dairy cows.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».