MétaCan
Menu
← Retour à la cohorte
Enregistrement W2111346532 · doi:10.3168/jds.2009-2478

Short communication: Performance of lactating dairy cows fed pearl millet grain

2010· article· en· W2111346532 sur OpenAlexaff
A. F. Mustafa

Notice bibliographique

RevueJournal of Dairy Science · 2010
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueRuminant Nutrition and Digestive Physiology
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésDry matterLactoseLatin squarePearlForageAnimal scienceNeutral Detergent FiberBiologyLactationDairy cattleAgronomyTotal mixed rationComposition (language)RumenFood scienceFermentationIce calving

Résumé

récupéré en direct d'OpenAlex

Fifteen multiparous Holstein cows were used in a 3 x 3 Latin square experiment to determine the effects of feeding pearl millet grain on feed intake, milk yield, and milk composition of lactating dairy cows. Three isonitrogenous diets with a 57:43 forage:concentrate ratio were formulated. Diets contained 30% corn, 30% pearl millet, or 31% corn and pearl millet mixed 1:1 (wt/wt). Three lactating Holstein cows fitted with ruminal cannulas were used to determine the effects of dietary treatments on ruminal fermentation parameters. Dry matter intake and energy-corrected milk were similar for all dietary treatments and averaged 23.8 and 33.5 kg/d, respectively. Dry matter intake (% of BW) was unaffected by dietary treatments and averaged 3.40%. Milk fat, protein, lactose, and total solids concentrations were not influenced by grain type. Ruminal NH(3)-N concentration was unaffected by dietary treatments. However, ruminal pH tended to be lower for cows fed pearl millet than those fed corn and pearl millet mix. It was concluded that pearl millet grain can replace corn in dairy cow diets up to 30% of the diet DM with no adverse effects on milk yield or milk composition.

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 enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
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)0,0020,001

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 GPT0,265
Écart entre enseignants0,239 · 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

Citations4
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Dairy Science→Même sujetRuminant Nutrition and Digestive Physiology→Travaux en français237 207→