MétaCan
Menu
Retour à la cohorte
Enregistrement W3007414286

Effect of Dietary Protein on Growth, Feed Utilization and Body Composition of Silver Catfish Schilbe intermedius Rüppel, 1832 Fingerlings

2020· article· en· W3007414286 sur OpenAlexvenueno aff
Comlan Ephrem Tossavi, Arnauld Sèdjro Martin Djissou, Nahoua Issa Ouattara, Emile Didier Fiogbé, Jean‐Claude Micha

Notice bibliographique

RevueInternational Journal of Aquaculture · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAquaculture Nutrition and Growth
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCatfishBiologyDietary proteinFish mealAnimal scienceFeed conversion ratioNutrientComposition (language)MealCaseinProtein efficiency ratioDry matterWeight gainFood scienceBody weightFish <Actinopterygii>FisheryEcologyEndocrinology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The captive breeding of the Silver catfish Schilbe intermedius was envisaged to promote the aquaculture and to reduce the overfishing of this endangered species. S. intermedius fingerlings were fed various dietary protein levels to investigate their growth performance, feed utilization and carcass proximate composition. Fish meal and casein were the sources of protein used in the study. Six isocaloric experimental diets containing 25%~60% crud protein (CP) diet have been  fed to three-replicate six groups of forty (40) fishes (mean weight: 1.640 ± 0.015 g) for 8 weeks. Both percent weight gain and feed efficiency ratio significantly increased with increasing dietary protein levels up to 45%, while there were no significant differences for protein levels from 45 to 60%. Growth performances and nutrient utilization parameters of fingerlings fed different diets varied significantly (P 0.05) with that of fish fed 60% dietary protein. Lipid content increased with increasing dietary protein levels. The dry matter and protein content of the initial sample were significantly higher (P > 0.05) than the values after feeding the fish with experimental diets.

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 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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,060
Score d'incertitude au seuil0,255

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
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 recherche0,0000,000
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 Opus0,016
Tête enseignante GPT0,250
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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of AquacultureMême sujetAquaculture Nutrition and GrowthTravaux en français237 207