MétaCan
Menu
Retour à la cohorte
Enregistrement W4388539436 · doi:10.1093/jas/skad281.509

PSIX-18 A Meta-Analysis on Undigestible Neutral Detergent Fiber as a Predictor for Feedlot Cattle Performance and Carcass Characteristics

2023· article· en· W4388539436 sur OpenAlexaff
Melissa Williams, Jen L Ellis, Greg B Penner, Katharine M Wood

Notice bibliographique

RevueJournal of Animal Science · 2023
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Nutrition and Health
Établissements canadiensUniversity of SaskatchewanUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésConcordance correlation coefficientFeedlotNeutral Detergent FiberRumenAnimal scienceDry matterForageMathematicsStatisticsCoefficient of determinationCorrelation coefficientBiotechnologyBiologyAgronomyFood science

Résumé

récupéré en direct d'OpenAlex

Abstract Undigestible neutral detergent fiber (uNDF) is a non-nutritive component of the diet representing the portion of neutral detergent fiber (NDF) that is not digested. The uNDF amount affects ruminal fill, passage rate, diet digestibility, and cattle performance. Therefore, a meta-analysis was conducted to evaluate the potential use of dietary uNDF to predict finishing feedlot cattle performance and carcass characteristics. A specific search string was used to obtain 22 eligible experiments forming a database in which models were developed. The search string used was as follows “(feedlot OR beef) AND (forage OR roughage OR iNDF OR uNDF) AND (dressing percentage OR dressing %) AND (liver abscess) AND (feed efficiency OR GF OR FG) AND (DMI) AND (ADG) AND (rumen pH OR ruminal pH OR reticulo-ruminal pH)”. Due to the lack of measurement and reporting of uNDF in the literature, the dietary uNDF of each treatment included in the meta-analysis was estimated using data from the Cumberland Valley Analytical Services database. A comparison of uNDF and NDF as predictor variables of performance was also assessed. Models were developed using a mixed model approach, where experiment was modelled as a random effect. Models with dry matter intake (DMI), implant or tylosin as driving variables alongside uNDF concentration or uNDF intake lowered the root mean square prediction error (RMSPE) and improved the concordance correlation coefficient (CCC). The comparison of uNDF and NDF as predictors of outcomes demonstrated more accurate predictions with uNDF as the driving variable. Developed models from this meta-analysis can reasonably predict average daily gain, DMI, dressing percentage, final body weight, dressing percentage, feed efficiency, and hot carcass weight in healthy Bos taurus feedlot cattle. Results suggest there is still more to be discovered about uNDF and its impact in diets for finishing cattle and that uNDF may be a more informative metric than NDF alone. Further research to improve the characterization of forage in the diets of beef cattle is recommended.

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)0,017
score de la tête « metaresearch » (Gemma)0,020
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,092

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,020
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0100,048
Bibliométrie0,0030,004
Études des sciences et des technologies0,0010,001
Communication savante0,0030,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,133
Tête enseignante GPT0,331
Écart entre enseignants0,197 · 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'étudeMéta-analyse
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Animal ScienceMême sujetAnimal Nutrition and HealthTravaux en français237 207