MétaCan
Menu
Retour à la cohorte
Enregistrement W2128770094 · doi:10.5539/sar.v3n4p107

Comparative Effects of Breed and Sex on Carcass and Organ Profiles of Duck (Anas plantrynychos) and Guinea Fowl (Numidia meleagris) in Abeokuta, Ogun State, Nigeria

2014· article· en· W2128770094 sur OpenAlexvenueno aff
E. S. Apata, I. M. Koleoso, B. B. A. Taiwo, A. O. Okubanjo, L. A. Tijani

Notice bibliographique

RevueSustainable Agriculture Research · 2014
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueLivestock and Poultry Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBreedAnasBiologyGuinea fowlAnimal scienceCarcass weightFowlBody weightVeterinary medicineCompletely randomized designOgun stateZoologyEcologyEndocrinologyMedicine

Résumé

récupéré en direct d'OpenAlex

<p>Carcass and organs characteristics of two breeds and sexes of poultry which include Duck and Guinea fowl (GF) were investigated. A total of twenty four matured birds with twelve from each breed were used for this study in a 2 × 2 (Breed × Sex) factorial arrangement in a completely randomized design. The birds were slaughtered in batches of four properly bled, defeathered and dressed, the carcasses and organs weighed. The birds carcasses were chilled at 4 ºC for 24hrs prior to fabrication into primal cuts. The results showed that duck had higher (P<0.05) carcass and organs weight and percentages than GF, also males irrespective of the breed gave higher (P<0.05) carcass and organs weight and percentages than their female counterparts. At interaction level male ducks still gave higher (P<0.05) cut-up parts weight and percentages than female, while female GF elicited higher (P<0.05) primal cuts weight and percentages. It was observed from this study that Duck and GF carcass and organs cut-up parts were heavy enough to supply needed protein like chicken. These birds can therefore, be integrated into commercial poultry production to make animal protein more available to consumers.</p>

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)0,001
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,406
Score d'incertitude au seuil0,361

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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)0,0000,000

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 Opus0,014
Tête enseignante GPT0,268
Écart entre enseignants0,254 · 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

Citations2
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainable Agriculture ResearchMême sujetLivestock and Poultry ManagementTravaux en français237 207