MétaCan
Menu
← Retour à la cohorte
Enregistrement W4386087260 · doi:10.3168/jds.2023-23402

Dose response to postruminal urea in lactating dairy cattle

2023· article· en· W4386087260 sur OpenAlexaff
K. Nichols, Rainer Rauch, Louis Lippens, Dave J Seymour, J. Martín‐Tereso

Notice bibliographique

RevueJournal of Dairy Science · 2023
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueRuminant Nutrition and Digestive Physiology
Établissements canadiensCanadian Nutrition Society
Organismes subventionnairesnon disponible
Mots-clésRumenLatin squareUreaDry matterAnimal scienceSilageTotal mixed rationDairy cattleHayForageChemistryLactationDigestion (alchemy)StrawNeutral Detergent FiberBiologyFermentationAgronomyFood scienceBiochemistryIce calvingPregnancyChromatography

Résumé

récupéré en direct d'OpenAlex

Inclusion of urea in dairy cattle diets is often limited by negative effects of high levels of feed urea on dry matter intake (DMI) and efficiency of rumen N utilization. We hypothesized that supplying urea post-ruminally would mitigate these limitations and allow greater inclusion of urea in dairy cattle diets. Four rumen-fistulated Holstein-Friesian dairy cows (7 ± 2.1 lactations, 110 ± 30.8 d in milk; mean ± standard deviation) were randomly assigned to a 4 × 4 Latin square design to examine DMI, milk production and composition, digestibility, rumen fermentation, N balance, and plasma constituents in response to 4 levels of urea continuously infused to the abomasum (0, 163, 325, and 488 g/d). Urea doses were targeted to linearly increase the crude protein (CP) content of total DMI (diet plus infusion) by 0, 2, 4, and 6% and equated to 0, 0.7, 1.4, and 2.1% of expected DMI, respectively. Each 28-d infusion period consisted of a 7-d dose step-up period, 14 d of adaptation, and a 7-d measurement period. The diet was fed ad libitum as a total mixed ration [10.9% CP, 42.5% corn silage, 3.5% grass hay, 3.5% wheat straw, and 50.5% concentrate (dry matter basis)] and was formulated to meet 100, 82, and 53% of net energy, metabolizable protein, and rumen-degradable protein requirements, respectively. Linear, quadratic, and cubic effects of urea dose were assessed using polynomial regression assuming the fixed effect of treatment and random effects of period and cow. Dry matter intake and energy-corrected milk yield responded quadratically to urea dose, and milk urea content increased linearly with increasing urea dose. Apparent total-tract digestibility of CP increased linearly with increasing urea dose and ruminal NH 3 -N concentration responded quadratically to urea dose. Mean total VFA concentration was not affected by urea dose. The proportion of N intake excreted in feces decreased linearly and that excreted in urine increased linearly in response to increasing urea dose. The proportion of N intake excreted in milk increased linearly with increasing urea dose. Urinary urea excretion increased linearly with increasing urea dose. Microbial N flow responded cubically to urea dose, but the efficiency of microbial protein synthesis was not affected. Plasma urea concentration increased linearly with increasing urea dose. Regression analysis estimates that when supplemented on top of a low-CP diet, 179 g/d of post-ruminal urea would maximize DMI at 23.4 kg/d, corresponding to a dietary urea inclusion level of 0.8% of DMI, which is in line with the current recommendations for urea inclusion in dairy cattle diets. Overall, these results indicate that post-ruminal delivery of urea does not mitigate DMI depression as urea dose increases.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
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 Opus0,034
Tête enseignante GPT0,291
Écart entre enseignants0,257 · 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

Citations6
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Dairy Science→Même sujetRuminant Nutrition and Digestive Physiology→Travaux en français237 207→