MétaCan
Menu
← Retour à la cohorte
Enregistrement W2894739296 · doi:10.1139/cjas-2018-0081

Effect of dietary chelated copper and methionine and cysteine on performance, egg quality, and nutrient balance in brown laying hens from 20 to 49 wk old

2018· article· en· W2894739296 sur OpenAlexvenueno aff
Messias Alves da Trindade Neto, APO Saccomani, Marcos Lívio Panhoza Tse, Julio Cezar Dadalt

Notice bibliographique

RevueCanadian Journal of Animal Science · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Nutrition and Physiology
Établissements canadiensnon disponible
Organismes subventionnairesFundação de Amparo à Pesquisa do Estado de São Paulo
Mots-clésMethionineAnimal scienceNutrientCageFactorial experimentChemistryBody weightBiologyAmino acidBiochemistryEndocrinologyMathematics

Résumé

récupéré en direct d'OpenAlex

Using 960 brown laying hens from 20 to 48 wk of age, in a 4 × 5 factorial arrangement, the effects on production, quality of eggs, and nutrient balance of analysed 18, 41, 61, and 111 mg kg−1 of copper (Cu) and of 0.550%, 0.679%, 0.793%, 0.845%, and 0.948% of methionine and cysteine (Met + Cys) were evaluated. Treatments were administered to six replicate cages (eight hens per cage). At the 49th wk of age, 320 of these hens were kept under the same experimental conditions to evaluate the nutrient balance, and each treatment was allocated to four replicate cages (four hens per cage). The trend of interaction effect between Cu and Met + Cys levels was observed on egg weight and mass. The interaction between mineral and amino acid was characterized on egg quality variables. Quadratic equations indicated that increasing the dietary level of Cu reduced the estimate requirement of Met + Cys for hens. Across the entire experimental period, the total estimated Met + Cys level was 0.755% ± 0.021% based on the performance variables. As Cu increased in the diet, it decreased the estimated Met + Cys level to ensure egg weight, mass, and egg quality. Level of chelated Cu above 23 mg kg−1 may negatively affect the egg quality.

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 enseignants0,006
Score d'incertitude au seuil0,012

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
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,027
Tête enseignante GPT0,272
Écart entre enseignants0,245 · 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

Citations3
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Animal Science→Même sujetAnimal Nutrition and Physiology→Travaux en français237 207→