Food Preferences in Dogs: Effect of Dietary Composition and Intrinsic Variables on Diet Selection
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
A ten-year food preference database (2007–2017) was used to relate food selection in dogs to the nutritional components of diets by doing a principal component analysis (PCA) and a linear regression between components obtained and dogs’ preferences. Intake and preference of preferred diets were analyzed by dogs’ sex, breed, age, body weight, and the season of the year (hot or cold). The fourth component after PCA presented a relation with food preferences (OR = −2.699, p = 0.026), showing negative correlations with crude fiber (rho = −0.196; P = 0.038) and dry matter (rho = −0.184; p = 0.049). Weight (OR = −1.35; p < 0.001), breed, both Boxer (OR = 10.62; p = 0.003) and Labrador Retriever (OR = 26.30; p < 0.001), and season (hot season) (OR = −5.27; p < 0.001) all influenced animals’ intake. Boxers presented a lower food preference compared to the other breeds (OR = −44.3; p < 0.001), while animals’ weight influenced preferences only in Boxers (OR = 2.02; p < 0.001). Finally, age and sex did not affect dogs’ preference or intake of preferred diets. Thus dry matter and fiber content have a negative impact on dogs’ food choices. Dogs’ weight, breed, and season affected food intake, but only breed affected dogs’ preferences, which is probably explained by adaptive changes in the detection, metabolization, and learning of nutritive food cues.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle