251 Effects of Cross-Fostering and Number of Litters Used to Create Cross-Fostered Litters on Piglet Pre-Weaning Mortality and Weaning Weight
Notice bibliographique
Résumé
Abstract The objective was to determine effects of cross-fostering and number of litters used to create cross-fostered litters on piglet pre-weaning mortality (PWM) and weight. The study was conducted on 2 commercial farrowing facilities using a RCBD (53 blocks; total of 265 litters/3675 piglets). Blocking factors were farrowing day, sow parity, body condition score, functional teat number, and average and CV of piglet birth weight. Treatments involved cross-fostering different percentages of the litter (0% = no cross-fostering; 50% = half cross-fostered, half from the birth sow; 100% = all piglets cross-fostered) and differing number of litters used in cross-fostering. The 5 Treatments were (% fostered/number of litters used): 1) 0%/1 litter; 2) 100%/1 litter; 3) 100%/6+ litters; 4) 50%/4+ litters; 5) 50%/2 litters. Litter sizes at cross-fostering (13 or 14 piglets) were equalized across Treatments within block. Piglets were weighed 24 h after birth (when cross-fostering was carried out) and at weaning (19.2 ± 0.97 d); all PWM was recorded. Data were analyzed using SAS, models accounted for the fixed effect of Treatment and random effects of sow, block, and farm. The 0%/1 litter and 100%/1 litter Treatments were similar (P > 0.05; Table 1) for all measurements, indicating no effect of cross-fostering per se. Litter sizes at 7 and 14 d, and weaning were lower (P ≤ 0.05) for the two 1-litter Treatments compared with the 50%/2 litters Treatment; other Treatments were intermediate. There was no effect (P > 0.05) of Treatment on piglet weight. Pre-weaning mortality was greater (P ≤ 0.05) for the two 1-litter treatments compared with the other 3 Treatments, which were similar (P > 0.05). In conclusion, cross-fostering had no effect on piglet performance, however, PWM was greater for treatments comprised of piglets from a single litter compared with those from several litters.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».