MétaCan
Menu
Retour à la cohorte
Enregistrement W3099786746 · doi:10.1080/15427528.2020.1847226

The evaluation of warm-season annual grasses as alternative sources of forage crops for beef cattle diets under northwestern Alberta conditions

2020· article· en· W3099786746 sur OpenAlexafffundabout
Akim Omokanye, Guillermo Hernandez‐Ramirez, H.A. Lardner, K. S. Gill, Buthaina Al‐Maqtari, Alan Lee

Notice bibliographique

RevueJournal of Crop Improvement · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueRuminant Nutrition and Digestive Physiology
Établissements canadiensUniversity of SaskatchewanUniversity of Alberta
Organismes subventionnairesGovernment of Alberta
Mots-clésForageAgronomySorghumPanicumBiologyPanicum miliaceumPastureMonocultureLivestockGrazingCropNutrientBeef cattleAnimal science

Résumé

récupéré en direct d'OpenAlex

In recent years, there has been considerable interest in growing warm-season crops in monocultures and in mixtures for beef cattle production. The objective of this investigation was to measure the forage yield and nutritive value for the beef diet of 10 C4 and two C3 forage-type cereal crops. Forage yield was greater (P < 0.05) for C3 than C4 crops. The C4 crops generally had greater forage crude protein (CP) and total digestible nutrient (TDN) values comparable to C3 crops. Also, the C4 crops had higher Ca, P, K, Mg, Fe, and Zn than C3 crops. Both C3 and C4 crops were able to meet the requirements of CP, TDN, and minerals for a dry gestating beef cattle. Considering ease of establishment and forage yield, only four of the 10 C4 crops [two crown millet (Panicum miliaceum) varieties (red and white proso millets) and two sorghum Sudangrass (S. bicolor × S. Sudanese) varieties (BMR and Grazex III)] would be a fit for swath grazing or pasture.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,655
Score d'incertitude au seuil0,133

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 Opus0,043
Tête enseignante GPT0,311
Écart entre enseignants0,268 · 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

Citations1
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Crop ImprovementMême sujetRuminant Nutrition and Digestive PhysiologyTravaux en français237 207