MétaCan
Menu
Retour à la cohorte
Enregistrement W3153478091 · doi:10.3390/ani11041069

An Illustrative Analysis of Atypical Gas Production Profiles Obtained from In Vitro Digestibility Studies Using Fecal Inoculum

2021· article· en· W3153478091 sur OpenAlexafffund
M.S. Dhanoa, Secundino López, Christopher D. Powell, R. Sanderson, Jo‐Anne Murray, A. Garber, Barbara A. Williams, J. France

Notice bibliographique

RevueAnimals · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueSoil and Unsaturated Flow
Établissements canadiensUniversity of Guelph
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsUniversity of Queensland
Mots-clésProduction (economics)LagSimple (philosophy)FecesBiological systemMathematicsStatisticsSoil scienceEnvironmental scienceApplied mathematicsEconometricsComputer scienceEcologyBiology

Résumé

récupéré en direct d'OpenAlex

Gas production profiles typically show a monotonically increasing monophasic pattern. However, atypical gas production profiles exist whereby at least two consecutive phases of gas production or additional extraneous features that distort the typical profile are present. Such profiles are more likely to occur with the use of a fecal inoculum and are much less well described. The presence of multiple phases or non-descript extraneous features makes it difficult to apply directly recommended modeling approaches such as standard response functions or classical growth functions. To overcome such difficulties, extensions of the Mitscherlich equation and a numerical modeling option also based on the Mitscherlich are explored. The numerical modeling option uses an estimate of relative rate obtained from the smoothed data profile and an estimate of maximum gas produced together with any lag time information drawn from the raw data to construct a simple Mitscherlich equation. In summary, this article illustrates the analysis of atypical gas production profiles obtained using a fecal inoculum and explores the methodology of numerical modeling to reconstruct equivalent typical growth-like trends.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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)0,0010,000

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 Opus0,041
Tête enseignante GPT0,300
Écart entre enseignants0,259 · 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'étudeObservationnel
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

Citations11
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAnimalsMême sujetSoil and Unsaturated FlowTravaux en français237 207