MétaCan
Menu
Retour à la cohorte
Enregistrement W3197637880 · doi:10.3390/ani11092598

Toward Precise Nutrient Value of Feed in Growing Pigs: Effect of Meal Size, Frequency and Dietary Fibre on Nutrient Utilisation

2021· review· en· W3197637880 sur OpenAlexaff
Élisabeth Chassé, Frédéric Guay, Knud Erik Bach Knudsen, R. T. Zijlstra, Marie-Pierre Létourneau-Montminy

Notice bibliographique

RevueAnimals · 2021
Typereview
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Nutrition and Physiology
Établissements canadiensUniversity of AlbertaUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésNutrientMealFood scienceDigestion (alchemy)BiologyDietary fibreNutrient densityAnimal scienceChemistry

Résumé

récupéré en direct d'OpenAlex

Nutritional values of ingredients have been and still are the subject of many studies to reduce security margins of nutrients when formulating diets to reduce feed cost. In most studies, pigs are fed a limited amount of feed in a limited number of meals that do not represent how pigs are fed in commercial farm conditions. With free access to feed, pigs follow their intrinsic feeding behaviour. Feed intake is regulated by satiety and satiation signals. Reducing the feed intake level or feeding frequency can affect digestibility and transit time and induce metabolic changes. To reduce feed costs, alternative ingredients that are frequently rich in dietary fibre are added to diets. Fibre acts on the digestion process and transit time by decreasing energy density and causing viscosity. Various analyses of fibre can be realised, and the measured fibre fraction can vary. Exogenous enzymes can be added to counteract the effect of fibre, but digestive tract conditions, influenced by meal size and frequency, can affect the efficiency of supplemented enzymes. In conclusion, the frequency and size of the meals can affect the digestibility of nutrients by modulating gastrointestinal tract conditions (pH and transit time), metabolites (glucose and short-chain fatty acids) and hormones (glucagon-like peptide 1 and peptide tyrosine tyrosine).

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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,897
Score d'incertitude au seuil0,498

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
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 Opus0,055
Tête enseignante GPT0,298
Écart entre enseignants0,243 · 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'étudeAutre devis
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

Citations25
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnimalsMême sujetAnimal Nutrition and PhysiologyTravaux en français237 207