MétaCan
Menu
← Retour à la cohorte
Enregistrement W4388540140 · doi:10.1093/jas/skad281.157

211 Evaluation of Beef Heifer Variability in the Ability to Eat and Digest a High Forage Diet

2023· article· en· W4388540140 sur OpenAlexaff
Nikita A Payne, Greg B Penner, H.A. Lardner, D. Wade Abbott, Robert J. Gruninger, Gabriel O Ribeiro

Notice bibliographique

RevueJournal of Animal Science · 2023
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueRuminant Nutrition and Digestive Physiology
Établissements canadiensAgriculture and Agri-Food CanadaUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésForageFecesAnimal scienceDry matterBeef cattleNeutral Detergent FiberSilageBiologyResidual feed intakeDigestion (alchemy)ChemistryFeed conversion ratioBody weightAgronomyEndocrinology

Résumé

récupéré en direct d'OpenAlex

Abstract This study evaluated beef heifers selected for high or low digestible fiber intake (DFI) and investigated its relationship with methane production, residual feed intake (RFI), and total tract digestibility. Sixteen recently weaned black Angus beef heifers (n = 8/treatment) were selected from a group 64 heifers (224 ± 17.2 kg) fed a high forage-based diet [70% barley silage:30% pelleted concentrate (DM basis)]. The 64 heifers were fed in 6 outdoor pens equipped with GrowSafe bunks to monitor feed intake for 60 d (14 d adaptation + 46 d for data collection). Individual fecal samples and BW, and feed samples were taken once weekly. Fecal samples were pooled by animal. Feed and fecal samples were analyzed for dry matter (DM), neutral detergent fibre (NDF), and undigested neutral detergent fiber (uNDF) content. The internal marker uNDF was used to estimate total tract diet DM and NDF digestibility. The 8 heifers with the greatest and the 8 with the least digestible NDF intake (g/kg BW0.75) were selected and used for methane measurements using the GreenFeed system (42 d) and in a total-tract digestibility trial with total fecal and urine collection using the same high forage based diet. Results from the GrowSafe selection trial indicated no differences between the average BW of low and high DFI heifers (264 vs. 274 kg, P = 0.20). Heifers selected for high DFI had greater (P < 0.01) DM and NDF intake (kg/d or % of BW), and digestibility (49.6 vs. 42.1% NDF digestibility). The heifer groups differed in RFI (P < 0.01), with high DFI categorized as inefficient (+0.84 RFI) and low DFI as efficient (-0.34 RFI). No differences in ADG were observed between low and high DFI heifers during this short 46 d study period (0.614 vs 0.773, P = 0.16). High DFI heifers had lower methane production than low DFI heifers (15.9 vs. 19.0 g/kg of DMI, P = 0.02). The results of the total-tract digestibility trial showed that the high DFI heifers had a greater DMI compared with the low DFI heifers (10.9 vs. 10.2 kg/d; P = 0.04). The DMI intake was not different between groups when expressed as a % of BW (2.06 vs 2.04, P = 0.65). There was also no difference observed for DM digestibility (73.0 vs 73.1%) between the two groups. It is important to note that in the digestibility study, the DMI was less than in the GrowSafe selection trial (2.5 vs 3.2% BW) and this may have influenced results. Heifers with high DFI were heavier than low DFI heifers (533 vs. 505, P = 0.02) during the digestibility trial. Results suggest that selecting heifers for high DFI may increase growth rate and reduce methane production.

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,005

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)0,0010,000

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 Opus0,052
Tête enseignante GPT0,309
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

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