MétaCan
Menu
Retour à la cohorte
Enregistrement W3004992577 · doi:10.1017/s1751731119003112

Review: Rumen sensors: data and interpretation for key rumen metabolic processes

2020· review· en· W3004992577 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

Revueanimal · 2020
Typereview
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueRuminant Nutrition and Digestive Physiology
Établissements canadiensCargill (Canada)
Organismes subventionnairesnon disponible
Mots-clésRumenFermentationAcidosisAnimal scienceBiologyBiochemistryChemistryFood scienceEndocrinology

Résumé

récupéré en direct d'OpenAlex

Rumen sensors provide specific information to help understand rumen functioning in relation to health disorders and to assist in decision-making for farm management. This review focuses on the use of rumen sensors to measure ruminal pH and discusses variation in pH in both time and location, pH-associated disorders and data analysis methods to summarize and interpret rumen pH data. Discussion on the use of rumen sensors to measure redox potential as an indication of the fermentation processes is also included. Acids may accumulate and reduce ruminal pH if acid removal from the rumen and rumen buffering cannot keep pace with their production. The complexity of the factors involved, combined with the interactions between the rumen and the host that ultimately determine ruminal pH, results in large variation among animals in their pH response to dietary or other changes. Although ruminal pH and pH dynamics only partially explain the typical symptoms of acidosis, it remains a main indicator and may assist to optimize rumen function. Rumen pH sensors allow continuous monitoring of pH and of diurnal variation in pH in individual animals. Substantial drift of non-retrievable rumen pH sensors, and the difficulty to calibrate these sensors, limits their application. Significant within-day variation in ruminal pH is frequently observed, and large distinct differences in pH between locations in the rumen occur. The magnitude of pH differences between locations appears to be diet dependent. Universal application of fixed conversion factors to correct for absolute pH differences between locations should be avoided. Rumen sensors provide high-resolution kinetics of pH and a vast amount of data. Commonly reported pH characteristics include mean and minimum pH, but these do not properly reflect severity of pH depression. The area under the pH × time curve integrates both duration and extent of pH depression. The use of this characteristic, as well as summarizing parameters obtained from fitting equations to cumulative pH data, is recommended to identify pH variation in relation to acidosis. Some rumen sensors can also measure the redox potential. This measurement helps to understand rumen functioning, as the redox potential of rumen fluid directly reflects the microbial intracellular redox balance status and impacts fermentative activity of rumen microorganisms. Taken together, proper assessment and interpretation of data generated by rumen sensors requires consideration of their limitations under various conditions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,979
Score d'incertitude au seuil0,362

Scores Codex et Gemma par catégorie

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

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 Opus0,096
Tête enseignante GPT0,342
Écart entre enseignants0,246 · 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