MétaCan
Menu
Retour à la cohorte
Enregistrement W4401781225 · doi:10.1139/cjas-2024-0070

Growing–finishing pigs do not need additional zinc in a phytase-supplemented wheat–barley–soybean meal-based diet

2024· article· en· W4401781225 sur OpenAlexvenueno aff
Tina Skau Nielsen, Sally Veronika Hansen, Tofuko A Woyengo

Notice bibliographique

RevueCanadian Journal of Animal Science · 2024
Typearticle
Langueen
DomaineNursing
ThématiqueTrace Elements in Health
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPhytaseSoybean mealAnimal scienceWeaningZincMealBiologyFood sciencePhosphorusChemistry

Résumé

récupéré en direct d'OpenAlex

Focus remains on reducing the excretion of surplus zinc (Zn) from pigs through manure due to environmental and public health concerns. Growing–finishing pigs may need less dietary Zn than current EU legislation allows and what is typically applied on farms. The aim of this study was to evaluate the effect of three dietary Zn levels on productivity, Zn homeostasis, and health status in growing pigs fed a grain and soybean meal-based diet with a high inclusion of phytase (1000 phytase units). Ninety pigs were offered a diet with 1431 and 83 ppm total Zn from weeks 0–2 and 2–6 post-weaning, respectively, followed by one of three dietary Zn levels (31 (unsupplemented), 69, or 102 ppm total Zn, n = 30/Zn level) from weeks 6–16 post-weaning (30–110 kg). Productivity and health were unaffected by dietary Zn level. Despite differences in serum Zn according to dietary Zn level in week 10, serum Zn remained above the assumed sufficient level following all dietary Zn levels through the experiment. No signs of parakeratosis were observed, and we conclude that growing–finishing pigs produce and stay healthy without added Zn to a phytase supplemented grain–soybean meal-based diet when optimal dietary Zn levels are applied up to 30 kg.

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 seuil0,005

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 Opus0,028
Tête enseignante GPT0,301
Écart entre enseignants0,272 · 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 revueCanadian Journal of Animal ScienceMême sujetTrace Elements in HealthTravaux en français237 207