MétaCan
Menu
Retour à la cohorte
Enregistrement W2938824885

Effet d'une alimentation de précision sur les performances, la productivité et le coût d'alimentation des truies en gestation dans un contexte commercial de gestion des truies en groupe

2019· preprint· fr· W2938824885 sur OpenAlexaff
L. Cloutier, Jean-Yves Dourmad, C. Pomar, Léonie Morin-Doré, Patrick Gagnon

Notice bibliographique

RevueProdinra (INRA Bordeaux-Aquitaine) · 2019
Typepreprint
Languefr
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Nutrition and Physiology
Établissements canadiensCentre de Développement du Porc du Québec
Organismes subventionnairesnon disponible
Mots-clésGynecologyMedicine
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Adoption of precision feeding in pork production requires precise assessment of its potential benefits. The objective of this study was to evaluate, in a commercial setting and under group sow management, impacts of precision feeding on growth performance, productivity and feeding costs in gestating sows. Conventional feeding (C; 0.53% digestible lysine) and precision feeding (PF; digestible lysine content varied by gestation day and litter rank) were compared. Four consecutive batches in a commercial farm were studied over two complete cycles, from breeding to weaning, corresponding to 295 sows and 523 litters. For all sows, gestational muscle gain was significantly greater for PF sows. For multiparous sows, no other impact was observed, while for gilts the survival rate of piglets at birth tended to be higher for PF treatment sows (P = 0.08). Since PF covers amino acid requirements of gilts at the end of gestation better, this result seems logical. However, future studies on more animals will be needed to confirm its benefits. The results show that PF of gestating sows can reduce protein and amino acid supplies without negatively affecting the performance of sows, thus reducing the feeding cost per sow per year by €2.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,036
Tête enseignante GPT0,270
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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProdinra (INRA Bordeaux-Aquitaine)Même sujetAnimal Nutrition and PhysiologyTravaux en français237 207