MétaCan
Menu
Retour à la cohorte
Enregistrement W2283938616 · doi:10.1186/s40781-016-0085-5

Recent advances in canola meal utilization in swine nutrition

2016· review· en· W2283938616 sur OpenAlexaff
Gustavo A Mejicanos, N. Sanjayan, In Ho Kim, C. M. Nyachoti

Notice bibliographique

RevueJournal of Animal Science and Technology · 2016
Typereview
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Nutrition and Physiology
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésCanolaMealBiologyFood scienceBiotechnology

Résumé

récupéré en direct d'OpenAlex

Canola meal is derived from the crushing of canola seed for oil extraction. Although it has been used in swine diets for a long time, its inclusion levels have been limited due to concerns regarding its nutritive value primarily arising from results of early studies showing negative effects of dietary canola meal inclusion in swine diets. Such effects were attributable to the presence of anti-nutritional factors (ANF; notably glucosinolates) in canola meal. However, due to advances in genetic improvements of canola that have led to production of cultivars with significantly lower ANF content and improved processing procedures, canola meal with a superior nutritive value for non-ruminant animals is now available. Therefore, the aim of this paper is to review the recent studies in the use of canola meal as feedstuff for swine, the factors influencing its use and the strategies to overcome them. First a historical overview of the development of canola is provided.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,053
Tête enseignante GPT0,327
Écart entre enseignants0,274 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations108
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Animal Science and TechnologyMême sujetAnimal Nutrition and PhysiologyTravaux en français237 207