Chemical Composition, In Vitro Digestibility and Rumen Fermentation Kinetics of Agro-Industrial By-Products
Notice bibliographique
Résumé
The nutritive value of 26 agro-industrial by-products was assessed from their chemical composition, in vitro digestibility and rumen fermentation kinetics. By-products from sugar beet, grape, olive tree, almond, broccoli, lettuce, asparagus, green bean, artichoke, peas, broad beans, tomato, pepper, apple pomace and citrus were evaluated. Chemical composition, in vitro digestibility and fermentation kinetics varied largely across the by-products. Data were subjected to multivariate and principal component analyses (PCA). According to a multivariate cluster analysis chart, samples formed four distinctive groups (A-D). Less degradable by-products were olive tree leaves, pepper skins and grape seeds (group A); whereas the more degradable ones were sugar beet, orange, lemon and clementine pulps (group D). In the PCA plot, component 1 segregated samples of groups A and B from those of groups C and D. Considering the large variability among by-products, most of them can be regarded as potential ingredients in ruminant rations. Depending on the characteristic nutritive value of each by-product, these feedstuffs can provide alternative sources of energy (e.g., citrus pulps), protein (e.g., asparagus rinds), soluble fibre (e.g., sugar beet pulp) or less digestible roughage (e.g., grape seeds or pepper skin).
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 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 ».