Distribution of nutrients across the edible components of a modelled typical Australian lamb: A case study
Notice bibliographique
Résumé
Abstract Achieving sustainable development is one of the greatest challenges for humanity. This includes producing food in a way that enhances ecosystem, animal and human health, at the farm level and more broadly. To measure the enhancement brought about by animal production systems, producers, livestock industries and governments need a deeper understanding of the nutrient distribution across the edible parts of the animal. This case study examined the nutrient distribution across food products (carcase and co-products (edible offal and slaughter fat)) derived from a typical Australian lamb, using modelling with secondary data. Due to data gaps, some edible offal products were not able to be incorporated into the model (blood, trachea, omasum, abomasum, intestines, feet/tendons and head meat). Co-products accounted for approximately 24% of total edible product (i.e., carcase and co-product) by weight, 18% of the total protein and 37% of the total fat. With regards to micronutrients, the co-products contained 42% of the total iron content and the liver had more vitamin A, folate and vitamin B 12 than the carcase and other co-products combined. This case study highlighted the nutritional value of co-products, especially liver, in the context of the whole animal and, the importance of including co-products in assessments of animal production systems.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».