MétaCan
Menu
Retour à la cohorte
Enregistrement W4323838384 · doi:10.1093/tas/txad028

Supplement feed efficiency of growing beef cattle grazing native<i>Campos</i>grasslands during winter: a collated analysis

2023· article· en· W4323838384 sur OpenAlexaff
Fiorella Cazzuli, Javier Sánchez, Andrés Hirigoyen, Pablo Rovira, Virginia Beretta, Álvaro Simeone, Martín Jaurena, Martí­n Durante, Jean Víctor Savian, Dennis Poppi, F. Montossi, Ximena Lagomarsino, Santiago Luzardo, G. Brito, J. Velazco, Carolina Bremm, Fernando Alfredo Lattanzi

Notice bibliographique

RevueTranslational Animal Science · 2023
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueEffects of Environmental Stressors on Livestock
Établissements canadiensUniversity of Prince Edward Island
Organismes subventionnairesInstituto Nacional de Investigacion Agropecuaria, UruguayUniversidad de la República UruguayInstituto Nacional de Investigación y Tecnología Agraria y Alimentaria
Mots-clésGrazingAnimal scienceBeef cattleDry matterGrasslandBiologySubtropicsPastureAgronomyBody weightEcology

Résumé

récupéré en direct d'OpenAlex

Abstract Supplementing growing cattle grazing native subtropical Campos grasslands during winter improves the low, even negative, average daily weight gain (ADG) typical of extensive animal production systems in Uruguay. Nonetheless, to render the practice profitable, it is crucial to control supplement feed efficiency (SFE), that is, the difference in ADG between supplemented and control animals (ADGchng) per unit of supplement dry matter (DM) intake. Little has been studied specifically on how SFE varies in these systems. The objective of this study was to quantify the magnitude and variation in SFE of growing beef cattle grazing stockpiled native Campos grasslands during winter and assess putative associations with herbage, animals, supplements, and climatic variables. We compiled data from supplementation trials carried out in Uruguay between 1993 and 2018, each evaluating between one and six supplementation treatments. The average ADG of unsupplemented and supplemented animals were 0.13 ± 0.174 and 0.49 ± 0.220 kg/animal/day, respectively. In both cases, ADG decreased linearly as the proportion of green herbage in the grazed grassland was lower, but the ADG of unsupplemented animals was further reduced when winter frosts were numerous. Estimated SFE were moderately high, with an average of 0.21 ± 0.076 ADGchng/kg DM, resulting from average ADGchng of 0.38 ± 0.180 kg/animal/day in response to an average supplementation rate of 1.84 ± 0.68 kg supplement DM intake/animal/day (0.86% ± 0.27% body weight). No association was found between SFE and supplementation rate or type (protein vs. energy-based; P > 0.05), but forage allowance negatively affected it, and herbage mass positively affected it, yet in a smaller magnitude, suggesting that a balance is needed between the two to maximize SFE. Weather conditions during trials affected SFE (P < 0.05), with greater SFE in winters with lower temperatures and more frosts. Daytime grazing time was consistently lower in supplemented animals compared to their unsupplemented counterparts, whereas ruminating time during the day was similar, increasing as the proportion of green herbage decreased. Herbage intake estimated from energy balance suggested the existence of some substitution effect. This agrees with the moderately high SFE and with the total digestible nutrients-to-protein ratio of these subtropical humid grasslands being higher than in semi-arid rangelands and dry-season tropical pastures but lower than in sown pastures.

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)0,001
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,050

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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)0,0010,000

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 Opus0,012
Tête enseignante GPT0,241
Écart entre enseignants0,228 · 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

Citations10
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTranslational Animal ScienceMême sujetEffects of Environmental Stressors on LivestockTravaux en français237 207