MétaCan
Menu
Retour à la cohorte
Enregistrement W2621502095 · doi:10.3168/jds.2016-11788

Nitrogen efficiency of eastern Canadian dairy herds: Effect on production performance and farm profitability

2017· article· en· W2621502095 sur OpenAlexafffundabout
Liliana Fadul-Pacheco, D. Pellerin, P.Y. Chouinard, M.A. Wattiaux, M. Duplessis, Édith Charbonneau

Notice bibliographique

RevueJournal of Dairy Science · 2017
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueRuminant Nutrition and Digestive Physiology
Établissements canadiensValacta (Canada)Université Laval
Organismes subventionnairesAgriculture and Agri-Food CanadaMinistère de l'Agriculture, des Pêcheries et de l'AlimentationNatural Sciences and Engineering Research Council of CanadaDairy Farmers of CanadaNovalaitUniversité Laval
Mots-clésHerdAnimal scienceLactationRumenForageSilageDairy cattleFodderBiologyFood scienceAgronomyFermentation

Résumé

récupéré en direct d'OpenAlex

Nitrogen efficiency (milk N/dietary N; NE) can be used as a tool for the nutritional, economic, and environmental management of dairy farms. The aim of this study was to identify the characteristics of herds with varying NE and assess the effect on farm profitability. One hundred dairy herds located in Québec, Canada, comprising on average 42 ± 18 cows in lactation were visited from October 2014 to June 2015. Feed intake was measured over 24 h. Samples of each feedstuff were taken and sent to a commercial laboratory for analysis of chemical composition. Feeding management and feed prices were recorded. Milk yield was recorded and milk samples were collected over 2 consecutive milkings. Fat, protein, and milk urea N were analyzed. Balances of metabolizable protein (MP; MP supply - MP requirements) and rumen degradable protein (RDP; RDP supply - RDP requirement) were calculated. A hierarchical cluster analysis was conducted and allowed grouping the farms by their NE. Four clusters were identified with an average NE of 22.1 (NE22), 26.9 (NE27), 30.0 (NE30), and 35.8% (NE36). Herds in clusters NE30 and NE36 were fed diets with greater concentrations of starch, net energy for lactation, and nonfiber carbohydrates than those in the other 2 clusters. Moreover, the average proportion of corn silage was lower for herds in cluster NE22 compared with NE30 and NE36 (8.23 vs. 31.8 and 31.3% of total forages, respectively). In addition, crude protein of the diets declined from an average of 16.0 to 14.9% with increasing NE among clusters. Average dry matter intake declined from 26.1 to 22.5 kg/d as NE of clusters increased. Herds in cluster NE22 had lower yields of milk (28.7 vs. 31.8 kg/d), fat (1.15 vs. 1.29 kg/d), and protein (0.94 vs. 1.05 kg/d) than the other clusters. Also, milk urea N was greater for farms in cluster NE22 (13.2 mg/dL) than for farms in the other clusters (11.4 mg/dL). Furthermore, MP and RDP balances decreased from 263.2 to -153.7 g/d and from 594.7 to 486.9 g/d, respectively, with increasing NE among clusters. Income over feed cost increased from $14.3 to $17.3/cow per day (Can$) as NE among clusters augmented. Results from this study showed that some farms were able to achieve high NE by using lower levels of dietary N and having cows with lower DMI while maintaining milk performance. These farms had a potentially lower environmental impact, and they were more profitable.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,097
Score d'incertitude au seuil0,195

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,020
Tête enseignante GPT0,250
Écart entre enseignants0,230 · 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'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

Citations29
Publié2017
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Dairy ScienceMême sujetRuminant Nutrition and Digestive PhysiologyTravaux en français237 207