MétaCan
Menu
Retour à la cohorte
Enregistrement W4388032171 · doi:10.1093/jas/skad341.215

87 Improving Pig Livability Before, During, and After Parturition

2023· article· en· W4388032171 sur OpenAlexaff
Junmei Zhao, Richard Faris, Qiong Hu, C. Vanderhaeghe, Kaat Goris, Tobias Aumiller

Notice bibliographique

RevueJournal of Animal Science · 2023
Typearticle
Langueen
DomaineVeterinary
ThématiqueAnimal Behavior and Welfare Studies
Établissements canadiensCargill (Canada)
Organismes subventionnairesnon disponible
Mots-clésLitterWeaningColostrumAnimal scienceGestationBiologyContext (archaeology)LoinPregnancyEcology

Résumé

récupéré en direct d'OpenAlex

Abstract Nearly a quarter of piglets are lost from farrowing to weaning, with stillbirths representing about 7.5% and preweaning mortality contributing another 15.7% in North America (Pigchamp, Metafarm). This averages to a loss of 7.37 pigs per sow per year resulting in significant economic loss and animal welfare concerns. Main contributors of low piglet survivability include poor sow body condition at farrowing, long farrowing duration, piglet asphyxiation, insufficient colostrum consumption, and health challenges. Piglet livability can be improved through nutrition and management solutions before, during, and after parturition. In this context three main strategies have been shown to be effective: 1) managing sow body composition, 2) improving fetal oxygen and nutrient supply via the nitric oxide pathway, and 3) improving piglet health through functional ingredients in the diet of the sow. Highly prolific sows (> 16 born alive) lose both backfat and muscle during the later stages of gestation. Additionally, loin depth loss is more detrimental for piglet survival compared with backfat loss. Sows with the highest stillborn (> 2 per litter) lose the most loin muscle depth regardless of genetics. A solution to reduce this effect and improve piglet survivability is a two-phase gestation feeding with more amino acids in late gestation. Average farrowing duration of a highly prolific sow is 300 minutes and increasing with larger litters. To make things worse, most sows are going through farrowing without food and/or drink. Nutrients and energy supply to sow are critical for shorting farrowing duration and piglet survivability. Compared with pigs that died before weaning, surviving pigs at weaning have greater blood oxygen and less carbon dioxide and lactate at birth. Nitric oxide boosting technologies have been used widely to enhance athletic performance and increase endurance. This vasodilative effect of nitric oxide can be used similarly in sows to increased placental blood flow and thus oxygen and nutrient supply to fetuses. This reduces the risk of asphyxiation and therefore can increase piglet vitality at birth and decreases stillbirth and pre-weaning mortality. Post-parturition health challenge poses a large risk to piglet survivability. Functional feed ingredients, such as botanicals, are a potential solution to improve piglet health and resilience to challenging conditions. Some botanicals can pass through placenta and milk to supply piglets. Milk from sows fed specific botanicals has been shown to improve inhibitory activity against Bacillus subtilis and Staphylococcus aureus. Some specific botanicals can improve sow and piglet antioxidant status, and piglet gut health. In conclusion, managing sow body condition, nitric oxide pathway stimulation, and functional sow diets are effective ways to improve piglet survivability in challenging environments.

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 enseignants0,006
Score d'incertitude au seuil0,020

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)0,0060,002

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 Opus0,032
Tête enseignante GPT0,328
Écart entre enseignants0,296 · 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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Animal ScienceMême sujetAnimal Behavior and Welfare StudiesTravaux en français237 207