MétaCan
Menu
Retour à la cohorte
Enregistrement W2899370116 · doi:10.1139/cjas-2018-0088

Influence of β-glucanase supplementation on growth performance, nutrient digestibility, blood parameters, and meat quality in broilers fed wheat–barley–soybean diet

2018· article· en· W2899370116 sur OpenAlexvenueno aff
Haoyang Sun, S.L. Ingale, Piyush Rathi, In Ho Kim

Notice bibliographique

RevueCanadian Journal of Animal Science · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Nutrition and Physiology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBroilerGlucanaseFeed conversion ratioAnimal scienceNutrientMealBiologySoybean mealFood scienceBody weightChemistryBiochemistryEnzymeEndocrinology

Résumé

récupéré en direct d'OpenAlex

A total of 600 one-day-old male Ross 308 broiler chickens with an average body weight of 43.00 ± 0.42 g were used in a 35 d growth assay to investigate the supplemental effects of three levels (600, 1200, and 1800 β-glucanase units kg−1) of β-glucanase on growth performance, nutrient digestibility, blood parameters, and meat quality in wheat–barley–soybean-meal-based broiler diet. During days 19–35 and overall period, chickens’ body weight gain and feed conversion ratio were significantly (P < 0.05) improved linearly following the levels of β-glucanase supplementation. The digestibility of crude protein and gross energy were significantly (P < 0.05) increased linearly with the levels of β-glucanase supplementation. Significant linear increase (P < 0.05) due to increasing β-glucanase supplementation was observed for blood urea nitrogen (BUN) concentration. Increasing β-glucanase supplementation did not influence (P > 0.05) the meat quality. In conclusion, broiler diets supplementation with increasing β-glucanase could improve the growth performance, enhance the digestibility, and modulate the concentrations of BUN linearly. Meat quality was not influenced.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,027
Tête enseignante GPT0,260
Écart entre enseignants0,234 · 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

Citations11
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Animal ScienceMême sujetAnimal Nutrition and PhysiologyTravaux en français237 207