MétaCan
Menu
Retour à la cohorte
Enregistrement W4298149060 · doi:10.3168/jdsc.2022-0268

Evaluation of dehydrated corn silage as the primary forage for lactating dairy cows

2022· article· en· W4298149060 sur OpenAlexafffund
S. Hisadomi, M. Oba

Notice bibliographique

RevueJDS Communications · 2022
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueRuminant Nutrition and Digestive Physiology
Établissements canadiensUniversity of Alberta
Organismes subventionnairesAlberta MilkMitacs
Mots-clésSilageDry matterStarchLatin squareForageLactationBiologyDairy cattleRumenAgronomyAnimal scienceChemistryFood scienceFermentation

Résumé

récupéré en direct d'OpenAlex

The objective was to compare productivity of lactating dairy cows fed dehydrated corn silage with those fed whole-crop barley silage. Twelve multiparous Holstein cows in mid lactation were fed diets containing dehydrated corn silage (DCS) or barley silage with additional grain (BSHG) or without (BSLG) in a 3 × 3 Latin square design, with 21-d periods, balanced for carryover effects. The dietary starch content was similar for DCS and BSHG diets, and dietary forage content was similar for DCS and BSLG diets. Experimental diets did not affect dry matter intake, but cows fed DCS diet decreased milk yield compared with those fed barley silage regardless of the dietary starch content. Apparent total-tract digestibility of starch and crude protein was also lower for cows fed DCS compared with those fed barley silage, and milk urea N content was lowest for cows fed DCS diet, indicating that DCS likely had less protein degradation in the rumen than barley silage. Milk fat content and yield, energy-corrected milk yield, and feed efficiency were not different between cows fed BSHG and DCS diets, but higher for cows fed BSLG than those fed BSHG or DCS diet, which can be attributed to the difference in dietary starch content. Feeding DCS in place of barley silage did not improve productivity of lactating dairy cows in the current study, and further research is warranted to optimize its utilization in dairy diets.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,007

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)0,0000,000

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 Opus0,101
Tête enseignante GPT0,323
Écart entre enseignants0,222 · 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

Citations5
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJDS CommunicationsMême sujetRuminant Nutrition and Digestive PhysiologyTravaux en français237 207