Long-Term Effects of Feeding Monensin on Methane Production in Lactating Dairy Cows
Notice bibliographique
Résumé
The objective of this study was to determine the long-term effects of feeding monensin on methane (CH4) production in lactating dairy cows. Twenty-four lactating Holstein dairy cows (1.46 +/- 0.17 parity; 620 +/- 5.9 kg of live weight; 92.5 +/- 2.62 d in milk) housed in a tie-stall facility were used in the study. The study was conducted as paired comparisons in a completely randomized design with repeated measurements in a color-coded, double-blind experiment. The cows were paired by parity and days in milk and allocated to 1 of 2 treatments: 1) the regular milking cow total mixed ration (TMR) with a forage-to-concentrate ratio of 60:40 (control TMR; placebo premix) vs. a medicated TMR (monensin TMR; regular TMR + 24 mg of Rumensin Premix/kg of dry matter) fed ad libitum. The animals were fed and milked twice daily (feeding at 0830 and 1300 h; milking at 0500 and 1500 h) and CH4 production was measured prior to introducing the treatments and monthly thereafter for 6 mo using an open-circuit indirect calorimetry system. Monensin reduced CH4 production by 7% (expressed as grams per day) and by 9% (expressed as grams per kilogram of body weight), which were sustained for 6 mo (mean, 458.7 vs. 428.7 +/- 7.75 g/d and 0.738 vs. 0.675 +/- 0.0141, control vs. monensin, respectively). Monensin reduced milk fat percentage by 9% (3.90 vs. 3.53 +/- 0.098%, control vs. monensin, respectively) and reduced milk protein by 4% (3.37 vs. 3.23 +/- 0.031%, control vs. monensin, respectively). Monensin did not affect the dry matter intake or milk yield of the cows. These results suggest that medicating a 60:40 forage-to-concentrate TMR with 24 mg of Rumensin Premix/kg of dry matter is a viable strategy for reducing CH4 production in lactating Holstein 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 | 0,002 | 0,001 |
| 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 | 0,000 |
| 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 ».