167 Effect of Reducing Dietary Crude Protein on Growth Performance of Fattening Pigs: A Meta-Analysis
Notice bibliographique
Résumé
Abstract Reducing dietary crude protein (CP) is a nutritional strategy implemented to improve the sustainability of pig production. Its effect on growth performance has been broadly studied in fattening pigs but the literature is lacking a quantitative summary of the knowledge acquired. A meta-analysis was performed to assess the effects of reducing dietary CP on pig growth performance. Articles included in the meta-analysis studied effects of CP reduction, with at least 3 CP levels, on the growth performance of fattening pigs (20-115 kg) and were published from 1990 to 2019. The database contained 42 articles, which correspond to 67 trials. Diet composition was recalculated with INRA-AFZ (2004) tables. Trials using iso-digestible lysine and iso-net energy diets with constant or above requirements levels of essential amino acids (EAA, METEX NØØVISTAGO recommendations) were selected for the final analysis, with a 5% acceptance limit. The final selection contained 11 trials and 44 treatments. The general linear model procedure of MINITAB (2019) was used to build regression models, including a fixed trial effect. Dietary CP reduction tested ranged between 1.6 and 7.5 percentage points (%pt) and was performed by reducing soybean meal and increasing cereals inclusion in all trials except one using rapeseed meal. Reducing dietary CP did not significantly impacted feed intake, average daily gain or feed conversion ratio when EAA were adequately supplied. Nitrogen efficiency was improved by 2.7 %pt per %pt of CP reduction (P < 0.001). No statistical analysis could be performed on carcass composition data as there were only 6 trials remaining after selection for these parameters, but fatter carcasses were observed in half of the trials. This study highlighted that few CP reduction studies have been performed while controlling energy and EAA levels. There was no effect of reducing dietary CP on growth performance when those parameters were controlled but more research is needed on very low CP diets for fattening pigs.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,016 | 0,045 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».