MétaCan
Menu
Retour à la cohorte
Enregistrement W2320805445 · doi:10.2527/jas.2011-4856

Effects of wheat or corn distillers dried grains with solubles on feedlot performance, fecal shedding, and persistence of Escherichia coli O157:H7

2012· article· en· W2320805445 sur OpenAlexaffabout
Jennyka Hallewell, Tim A. McAllister, James Thomas, Calvin W. Booker, Sherry J. Hannon, G. Kee Jim, L. O. Burciaga-Robles, Michael L. May, Robert E. Peterson, C. Flaig, Erin M. Hussey, Kim Stanford

Notice bibliographique

RevueJournal of Animal Science · 2012
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueEscherichia coli research studies
Établissements canadiensAgriculture Food and Rural DevelopmentAlberta Health ServicesAgriculture and Agri-Food CanadaUniversity of Lethbridge
Organismes subventionnairesnon disponible
Mots-clésDistillers grainsFeedlotFecesBeef cattleAnimal sciencePersistence (discontinuity)InoculationBiologyAnimal feedFood scienceEscherichia coliFeed conversion ratioLivestockBody weightMicrobiologyHorticulture

Résumé

récupéré en direct d'OpenAlex

Distillers dried grains with solubles (DDGS) are a coproduct of the ethanol industry and are often used as a replacement for grain in livestock production. Feeding corn DDGS to cattle has been linked to increased fecal shedding of Escherichia coli O157:H7, although in Canada, DDGS are often produced from wheat. This study assessed the effects of including 22.5% wheat or corn DDGS (DM basis) into barley-based diets on performance, carcass characteristics, animal health, and fecal E. coli O157:H7 shedding of commercial feedlot cattle. Cattle (n = 6,817) were randomly allocated to 10 pens per treatment group: WDDGS (diets including 22.5% wheat DDGS), CDDGS (diets including 22.5% corn DDGS), or CTRL (barley substituted for DDGS). Freshly voided fecal pats (n = 588) were collected and pooled monthly for fecal pH measurement and screened for naturally occurring E. coli O157:H7 by immunomagnetic separation (IMS) and direct plating (DP). Hide swabs (n = 367) were collected from randomly selected cattle from each pen before slaughter. Pen-floor fecal samples (n = 18) were collected from treatment groups at entry to the feedlot (<14 d on the finishing diet) and after adapting to the finishing diet for ≥ 14 d, inoculated (10(9) cfu of a 5 strain naldixic acid-resistant E. coli O157:H7 mixture), incubated (20°C) and evaluated weekly (IMS and DP) to assess fecal E. coli O157:H7 persistence. The WDDGS group had 3.0% poorer ADG (P = 0.007), 5.3% poorer G:F (P < 0.001), and a decreased proportion of Canada Quality Grade AAA carcasses (P = 0.022) compared with CTRL cattle. The CDDGS group had a similar ADG (P = 0.06), a decreased proportion of Canada Yield Grade (YG) 1 (P < 0.001), and greater proportions of Canada YG 2 (P = 0.003) and YG 3 (P < 0.001) carcasses compared with the CTRL group. There were no differences among groups in any of the animal health parameters assessed. Inclusion of DDGS in cattle finishing diets had no effect on fecal shedding (P = 0.650) or persistence (P = 0.953) of E. coli O157:H7. However, feces from cattle on starter diets <14 d had longer persistence of E. coli O157:H7 (week) than cattle on finishing diets ≥ 14 d (P < 0.003). Inclusion of DDGS in feedlot diets depends on commodity pricing relative to that of barley and for WDDGS must also include the risk of feedlot performance and carcass grading disadvantages. Feeding cattle barley based-diets with 22.5% corn or wheat DDGS did not affect fecal shedding of E. coli O157:H7.

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)0,000
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 enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,018
Tête enseignante GPT0,272
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 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

Citations9
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Animal ScienceMême sujetEscherichia coli research studiesTravaux en français237 207