Effect of long-term feeding of graded levels of deoxynivalenol on performance, nutrient utilization, and organ health of grower-finisher pigs (35 to 120 kg)
Notice bibliographique
Résumé
The objective of this study was to evaluate the effect of long-term feeding of graded levels of deoxynivalenol (DON) on performance, nutrient utilization, and organ health of grower-finisher pigs. A total of 240 mixed-sex grower-finisher pigs (35.9 ± 1.1 kg initial body weight, BW) were randomly assigned to 1 of 4 dietary treatments (6 pigs/pen; 10 pens/treatment) for 77 d. Diets consisted of a control diet without DON (CONT) and diets containing 1, 3, or 5 ppm DON (DON1, DON3, or DON5). Nitrogen-balance was determined in 1 pig/pen during weeks 6 and 12 of the study. Growth performance measures were taken weekly for average daily feed intake (ADFI), average daily gain (ADG), and gain:feed (GF) until day 77. Blood samples were collected on days 0, 14, 42, 56, and 84 from 1 pig/pen for analysis of indicators of liver and kidney function. On day 7, ADG and ADFI for pigs fed DON3 and DON5 diets were lower (P < 0.05) compared with DON1- and CONT-fed pigs. Overall, ADG and ADFI (days 0 to 77) were lower in DON3- and DON5-fed pigs compared with CONT and DON1 pigs (P < 0.05), with no difference in GF (P > 0.05). Final BW was reduced in DON3- and DON5-fed pigs (P < 0.05) compared with CONT and DON1, which were not different (P > 0.05). No significant (P > 0.05) treatment effects were observed on carcass characteristics. In the grower-phase, protein deposition (PD) was reduced in DON3 and DON5 pigs compared with CONT and DON1 pigs (P < 0.05). In the finisher phase, PD was not affected by dietary treatment (P > 0.05). There was no effect of dietary treatment on the majority of selected serum chemistry (P > 0.05). In summary, pigs exposed to diets containing > 1 ppm DON had reduced growth performance with little or no effect on nitrogen utilization, organ health, or carcass characteristics, suggesting that the negative effects of DON may be largely due to depressed feed intake.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».