Effects of viscosity and fermentability of dietary fibre on nutrient digestibility and digesta characteristics in ileal-cannulated grower pigs
Notice bibliographique
Résumé
Relative contributions of two functional properties, viscosity and fermentability of dietary fibre, on apparent ileal digestibility (AID), apparent total tract digestibility (ATTD), digesta passage rate, N retention and SCFA concentration have not been established. Thus, eight ileal-cannulated pigs randomised in a double 4 × 4 Latin square were fed four diets based on maize starch and casein supplemented with 5 % of actual fibre in a 2 × 2 factorial arrangement: low-fermentable, low-viscous cellulose (CEL); low-fermentable, high-viscous carboxymethylcellulose (CMC); high-fermentable, low-viscous oat β-glucan (LBG); high-fermentable, high-viscous oat β-glucan (HBG). Viscosity and fermentability interacted to affect (P < 0·001) digesta viscosity and AID and ATTD of nutrients. These properties tended to interact to affect (P < 0·10) digesta passage rate and butyrate. Pigs fed the CMC diet had the lowest (P < 0·05) digesta passage rate and the highest (P < 0·001) AID of energy, crude protein and DM, and ATTD of energy and DM. Post-ileal DM digestibility was highest (P < 0·001) for pigs fed the CEL and HBG diets. Post-ileal DM digestibility had a negative, curvilinear relationship with the AID of energy and crude protein (R2 0·85 and 0·72, respectively; P < 0·001). Digesta viscosity had a less strong relationship with the AID of energy and crude protein (R2 0·45 and 0·36, respectively; P < 0·001). In conclusion, high-viscous, low-fermentable dietary fibre increases the proportion of a diet that is digested in the small intestine by reducing digesta passage rate.
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 | 0,000 | 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 | 0,000 |
| 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 ».