MétaCan
Menu
Retour à la cohorte
Enregistrement W3152044335 · doi:10.5513/jcea01/22.1.2927

Selected feed additives used in pig nutrition

2021· article· en· W3152044335 sur OpenAlexaff
Daniel Radzikowski, Anna Milczarek

Notice bibliographique

RevueJournal of Central European Agriculture · 2021
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Nutrition and Physiology
Établissements canadiensWiLAN (Canada)
Organismes subventionnairesnon disponible
Mots-clésFeed conversion ratioWeight gainBiologyBiotechnologyFood scienceWeaningAnimal scienceHerdFeed additivePig farmingBody weightAnimal productionBroiler

Résumé

récupéré en direct d'OpenAlex

The paper provides an overview of the knowledge of the options of the use of selected feed additives in the feeding of sows and young pigs. Feed enzymes, organic acids, probiotics, prebiotics and phytobiotics are the most commonly used feed additives for these technology groups. Nowadays, in pig breeding and farming, it is not possible to achieve high production performance in the herd without the use of specialised feed additives. They are added to the feed ration always in small quantities, and the effects of their use are often clearly noticeable. They improve the flavour and digestibility of the feed, and thereby have a favourable effect on feed intake, piglets weight gain and sows milk yield, boost pig immunity and displace pathogens from the gastrointestinal system, stimulating the growth and development of the beneficial bacterial microflora. Fed to lactating sows, they have a positive effect not only on the sows, but above all on the growth and development of their litters. This allows maximising the weaning weight of piglets and improving their health and weight gain at further fattening stages. All this contributes to improved production performance and should encourage breeders to enrich pig feed with appropriate specialised feed additives.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,012
Tête enseignante GPT0,195
Écart entre enseignants0,183 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Central European AgricultureMême sujetAnimal Nutrition and PhysiologyTravaux en français237 207