Effects of Moringa Leaf and Fruit Powder Supplementation on Hematological Parameters and Growth Performance in Kacang Goats
Notice bibliographique
Résumé
Livestock producers are currently facing challenges such as scarcity and high prices of concentrate feed, which significantly impact livestock productivity.Therefore, this research aimed to assess the impact of supplementing moringa leaf and fruit powder on hematological parameters, cholesterol levels, weight gain, and carcass weight in female Kacang goats.To conduct the analysis, a Randomized Block Design (RBD) with three treatments was adopted, each repeated four times as groups.The treatments included P0: Concentrate without moringa leaf and fruit powder, P1: Concentrate with the addition of 20% moringa fruit powder, and P2: Concentrate with the addition of 20% moringa leaf powder.The experimental livestock comprised 12 female Kacang goats aged 10-12 months, weighing between 8 kg to 12.5 kg.The observed variables included weight gain, dry matter intake, feed efficiency, leukocyte count, erythrocyte count, hemoglobin levels, hematocrit levels, High-Density Lipoprotein (HDL), Low-Density Lipoprotein (LDL), Triglyceride (TG) levels, carcass weight, and carcass percentage.The analysis of variance (ANOVA) indicated significant effects of supplementing concentrate with moringa leaf and fruit powder on weight gain, HDL, LDL, and TG levels, carcass weight, and carcass percentage in female Kacang goats.These results showed that adding moringa leaf and fruit powder into concentrate could effectively reduce cholesterol levels in goats meat.Additionally, the 20% addition of the powder to concentrate enhanced protein contribution, thereby accelerating livestock weight gain.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».