An appraisal of moulting on post-moult egg production and egg weight distribution in white layer hens; meta-analysis
Notice bibliographique
Résumé
1. The aim of this study was to establish how different moulting methods and body weight losses influenced post-moult performance and USDA egg weight distribution. 2. Data on 5 laying flocks (#34-38) of the North Carolina Layer Performance and Management Test were used in this meta-analysis. 3. The moulting methods were non-fasted moulted (NF), short feed restricted (SF), 13-d feed restricted (FR), non-anorexic moult programme (NA), non-anorexic moult programme with low sodium (NALS) as well as non-moulting programme as control treatment. The percentages of targeted body weight loss during the moulting period were 20, 24, 25 and 30% of body weight at the end of the first egg production cycle. 4. Post-moult egg production and egg mass were influenced by all moulting methods. Maximum increase in post-moult egg production rate and egg mass occurred with FR and NF programmes, respectively, at 30% of body weight loss, compared to non-moulted hens. Non-fasting methods reduced mortality rate more effectively than fasting methods. 5. Moulting resulted in increases in percentage of grade A and decreases in percentage of grade B eggs. Non-fasting methods increased percentage of grade A eggs more effectively than fasting methods. Percentage of cracked eggs decreased in moulted rather than non-moulted hens and the lowest rate was associated with the NA programme. 6. Post-moult egg weight was not significantly influenced by moulting methods. However, percentage of body weight reduction affected egg weight. The optimum increment in egg weight was achieved by 24% body weight reduction. 7. Overall, non-fasting methods resulted in similar egg production compared with fasting methods. Considering post-moult mortality and USDA egg weight distribution, non-fasting methods, especially NF and NA programmes, performed much better than fasting methods, indicating that non-fasting moulting methods, which are better for animal welfare, are effective alternatives to fasting methods.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,018 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,013 | 0,043 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».