MétaCan
Menu
← Retour à la cohorte
Enregistrement W3160797297 · doi:10.1139/cjas-2020-0186

Dietary inclusion of mineral detoxified nano-sulfur dispersion on growth performance, fecal score, fecal microbiota, gas emission, blood profile, nutrient digestibility, and meat quality in finishing pigs

2021· article· en· W3160797297 sur OpenAlexvenueno aff
Thamaraikannan Mohankumar, Insun Park, In Ho Kim

Notice bibliographique

RevueCanadian Journal of Animal Science · 2021
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Nutrition and Physiology
Établissements canadiensnon disponible
Organismes subventionnairesKorea Institute of Planning and Evaluation for Technology in Food, Agriculture and ForestryMinistry of Agriculture, Food and Rural Affairs
Mots-clésFecesAnimal scienceTriglycerideNutrientBiologyCholesterolFood scienceChemistryEndocrinologyMicrobiology

Résumé

récupéré en direct d'OpenAlex

This study is to evaluate the effects of mineral detoxified nano-sulfur dispersion (DSD) on growth performance, fecal score, fecal microbiota, gas emissions, blood profile, nutrient digestibility, and meat quality in finishing pigs. A total of 160 pigs with an initial body weight (BW) of 54.90 ± 5.10 kg were randomly assigned to two treatments including basal diet and basal diet with 10 ppm DSD. During the 10 wk trial, there were no differences in BW, average daily gain, average daily feed intake, and gain to feed ratio between the control and DSD groups. Also, the fecal score, fecal microbiota, gas emission were not affected by DSD diet. Dietary inclusion of DSD tended to increase water-holding capacity and decrease cooking loss and drip loss. At week 5, serum concentrations of glucose, calcium (Ca), total cholesterol, and high-density level cholesterol were increased, and triglyceride concentration was reduced in pigs fed with DSD than control diets. In summary, the inclusion of dietary DSD in the finishing pig diet has improved serum Ca, glucose concentrations, and lipid profiles as well as improves some meat quality traits.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

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
Bibliométrie0,0000,000
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)0,0010,000

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 Opus0,026
Tête enseignante GPT0,240
Écart entre enseignants0,213 · 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'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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Animal Science→Même sujetAnimal Nutrition and Physiology→Travaux en français237 207→