Effects of drinking water sulfate concentrations on feed and water intake, growth, and serum mineral concentrations in growing beef heifers1
Notice bibliographique
Résumé
The objective was to evaluate the effects of drinking water sulfate concentrations on DMI, water intake, growth, and serum mineral concentrations in growing beef heifers fed a high forage diet (63% DM). Two blocks of 16 Hereford-cross heifers were used in a randomized complete block design with 4 treatments. Treatments resulted in water sulfate concentrations of 292 ± 23.5, 1,245 ± 78.7, 2,305 ± 89.7, and 3,376 ± 84.9 mg/L. Heifers were housed in tiestalls, and feed and water intakes were measured daily. Body weight and serum mineral concentrations were measured on 2 consecutive days at the start and end of the 77-d study. Increasing water sulfate increased and then decreased DMI (quadratic, P < 0.001) without affecting ADG or final BW. Water intake was affected cubically (P = 0.009), with greater water intake when heifers were fed 0 or 2,000 mg/L added sulfate. Increasing the concentration of sulfate in water increased sulfur intake (cubic, P < 0.001) and increased the percentage of sulfur in diets (quadratic, P < 0.001). There were no effects of water sulfate on the concentration of most serum minerals, but the serum copper concentration decreased linearly (P = 0.028) with increasing water sulfate and selenium concentration increased and then decreased with increasing sulfate (quadratic, P = 0.013). These data suggest that water sulfate concentrations above 2,000 mg/L may decrease DMI and that increasing water sulfate concentrations linearly reduced serum copper.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».