Simulated transport of well- and poor-feathered brown-strain end-of-cycle hens and the impact on stress physiology, behavior, and meat quality
Notice bibliographique
Résumé
Transportation of poultry is stressful, especially for end-of-cycle hens (EOCH) experiencing metabolic stress. The aim of this study was to evaluate the effects of simulated transport on well- and poor-feathered brown-strain EOCH. The study (5 × 3 × 2 factorial arrangement) consisted of 5 temperature and relative humidity (RH) combinations applied directly at crate level (−10°C uncontrolled RH [−10], +21°C 30%RH [21/30], +21°C 80%RH [21/80], +30°C 30%RH [30/30], or +30°C 80%RH [30/80]), 3 durations (4, 8, or 12 h), and 2 feather covers (well [WF] or poor [PF]). Hens (n = 540) from 3 commercial farms were housed for a 3- to 5-d adaptation period, then feed was withdrawn before treatment exposure (crate density 54.5 kg/m2). Data collected included chamber conditions, feather condition score, behavior, blood physiology, core body temperature, mortality, and meat quality. Data were analyzed (randomized complete block design) using ANOVA; significance declared at P ≤ 0.05. Time spent performing thermoregulatory behaviors increased for hot (30/30 and 30/80) and cold (−10) treatments. Mortality only occurred in hens exposed to −10 and increased with longer duration. Cold exposure impacted meat quality, resulting in higher thigh pH and lower L∗ (lightness) and b∗ (yellowness). Prolonged exposure duration resulted in dehydration, indicated by blood physiology (hematocrit and hemoglobin) and live shrink. PF hens struggled with thermoregulation in −10, while WF hens struggled in 30/30 and 30/80. These results demonstrate that EOCH exposed at crate level to hot (+30) conditions experience thermal stress, while hens exposed to cold (−10) are unable to cope, compromising welfare and meat quality.
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 | 0,002 |
| 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 ».