MétaCan
Menu
Retour à la cohorte
Enregistrement W4210402720 · doi:10.31533/pubvet.v16n01a1014.1-9

Micotoxinas em silagem

2022· article· en· W4210402720 sur OpenAlexaff
Eduarda Oliveira, Pamella Grossi de Sousa, Guilherme Lobato Menezes, Alan Figueiredo de Oliveira, Frederico Patrus Ananias de Assis Pires, Rafael Araújo de Menezes, Ana Eliza da Silva, L.C. Gonçalves, Diogo Gonzaga Jayme

Notice bibliographique

RevuePubVet · 2022
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueMycotoxins in Agriculture and Food
Établissements canadiensCanadian Society of Intestinal Research
Organismes subventionnairesnon disponible
Mots-clésComputer science

Résumé

récupéré en direct d'OpenAlex

The silage process consists of preserving green forage. However, errors in operations during harvesting, or even at the opening of the silo, can result in colonization of fungi and production of mycotoxins. Therefore, it is important to develop strategies to mitigate the negative effects of mycotoxins in the feeding of dairy cows. The objective was to review the literature on the contamination of silage by mycotoxins, including predisposing factors for contamination and ways of prevention and mitigation. The main environmental conditions that favor mycotoxin synthesis are temperature, pH and water activity. In addition, factors linked to the operation, such as delayed harvesting, delays in sealing the silo, the density of compaction or the use of damaged seals also favor fungal growth. The control of these processes in silage aims to avoid contamination by toxinogenic fungi. However, current control strategies are not entirely effective. Some safe and relatively economical measures are the use of mycotoxin adsorbents or bacterial inoculants, which can be used to reduce the absorption of mycotoxins in the gastrointestinal tract.

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)0,003
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: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,001
Communication savante0,0030,001
Science ouverte0,0000,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,010
Tête enseignante GPT0,173
Écart entre enseignants0,162 · 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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubVetMême sujetMycotoxins in Agriculture and FoodTravaux en français237 207