MétaCan
Menu
Retour à la cohorte
Enregistrement W2791979324 · doi:10.2527/asasann.2017.620

620 Estimating gas volume from headspace pressure in a batch culture system

2017· article· en· W2791979324 sur OpenAlexaff
Atmir Romero-Pérez, K. A. Beauchemin

Notice bibliographique

RevueJournal of Animal Science · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueBody Composition Measurement Techniques
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésVolume (thermodynamics)Concordance correlation coefficientMathematicsLinear equationQuadratic equationMean squared errorAnalytical Chemistry (journal)ChemistryStatisticsChromatographyThermodynamicsMathematical analysisPhysicsGeometry

Résumé

récupéré en direct d'OpenAlex

Estimation of headspace gas volume (GV) from headspace pressure (GP) in in vitro batch culture experiments conducted at our lab is currently done using equations obtained overseas (Mauricio et al., 1999). Thus, the objective of the present work was to generate an equation to estimate GV from GP based on data obtained under our own experimental conditions. Two independent batch culture runs were conducted on different days. Twelve different feed ingredients including forages, grains, and by-products were utilized. Headspace GP and GV were measured after 3, 6, 9, 12, 18, 24, 48, 60, and 72 h using a pressure transducer and graduated plastic syringes (20 or 50 mL) connected to a three-way stopcock, respectively. A total of 1811 pairs of headspace pressure-volumes were obtained. One half of the data set was used to generate linear, quadratic, and cubic equations with intercepts set to zero or not (six equations in total). The second half was used to evaluate estimated GV from obtained equations. The best equation (equation 1) was then compared against equations reported by Mauricio et al. (1999; equation 2) and Lopez et al. (2007; equation 3). Boyle's law adapted to our lab conditions was also evaluated (equation 4; 63 mL headspace volume; atmospheric pressure 13.15 PSI). Equations were evaluated using the r2 between the observed and predicted values, root mean square prediction error (RMSPE), concordance correlation coefficient (CCC), and error due to the disturbance or random variation (ED). A quadratic equation was the most precise and accurate among the 6 equations obtained (GV = -0.2232 + 4.8021GP + 0.0422GP2; r2 = 0.995; RMSPE = 0.64 mL; ED = 99.9%; CCC = 0.99). When compared with equations 2, 3, and 4, equation 1 ranked first, followed by equation 4 (GV = 4.79GP; r2 = 0.994; RMSPE = 1.10 mL; ED = 39.3%; CCC = 0.99), equation 3 (GV = 5.385GP; r2 = 0.994; RMSPE = 1.85 mL; ED = 13.8%; CCC = 0.98), and equation 2 (GV = 0.18 + 3.697GP + 0.0824GP2; r2 = 0.994; RMSPE = 3.33 mL; ED = 4.23%; CCC = 0.93). In conclusion, the quadratic equation obtained in the present study estimates GV precisely and accurately and can be used in further experiments conducted under similar conditions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,817
Score d'incertitude au seuil0,302

Scores Codex et Gemma par catégorie

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

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 Opus0,030
Tête enseignante GPT0,331
Écart entre enseignants0,301 · 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 tête enseignante, 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

Citations2
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Animal ScienceMême sujetBody Composition Measurement TechniquesTravaux en français237 207