MétaCan
Menu
Retour à la cohorte
Enregistrement W4400314307 · doi:10.1016/j.jfca.2024.106495

Complete characterization of the fatty acid profile of mare milk from commercial semi-extensive farms during lactation

2024· article· en· W4400314307 sur OpenAlexaff
Ana Blanco‐Doval, Luis Javier R. Barrón, John K. G. Kramer, Noelia Aldai

Notice bibliographique

RevueJournal of Food Composition and Analysis · 2024
Typearticle
Langueen
DomaineVeterinary
ThématiqueVeterinary Equine Medical Research
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesEusko JaurlaritzaHezkuntza, Hizkuntza Politika Eta Kultura Saila, Eusko Jaurlaritza
Mots-clésLactationPolyunsaturated fatty acidFatty acidFood sciencePastureLong chainGrazingComposition (language)ChemistryBiologyAnimal scienceBiochemistryPregnancyAgronomy

Résumé

récupéré en direct d'OpenAlex

The present study aimed to thoroughly describe the profile of fatty acids in mare milk from farms with different management systems and changes during lactation. Eighteen mares belonging to three commercial farms (6 mares per farm) were milked during the complete lactation period (six months). Fat content was determined by infrared spectroscopy, while fatty acid methyl esters were analyzed using a GC-FID. Mare milk, in general, contained 47.5 % saturated, 25.3 % monounsaturated, and 26.5 % polyunsaturated fatty acids. A high proportion of 18:2n-6 and 18:3n-3 but a low concentration of their long-chain metabolites was observed, and seven branched-chain fatty acids were identified. Stage of lactation significantly influenced the content of most individual fatty acids, and in general, milk from mares managed under pasture-based feeding systems showed a higher content of n-3 polyunsaturated fatty acids. This study provides new insights into mare milk FA composition and into dynamics of mare milk nutritional quality as affected by lactation stage and grazing intensity.

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 enseignants0,001
Score d'incertitude au seuil0,003

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
Bibliométrie0,0010,000
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)0,0000,000

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 Opus0,046
Tête enseignante GPT0,324
Écart entre enseignants0,278 · 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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Food Composition and AnalysisMême sujetVeterinary Equine Medical ResearchTravaux en français237 207