Linear and nonlinear models for assessing carcass composition using dual X-ray absorptiometry in egg- and meat-type chickens
Notice bibliographique
Résumé
ABSTRACT The objective of this study was to develop appropriate correction equations for dual energy X-ray absorptiometry ( DXA ) for total carcass composition of live meat- and egg-type chickens. Linear (bivariate linear and multivariate linear) and nonlinear (polynomial, multivariate polynomial, broken-line and Gompertz) equations were used to estimate carcass composition of DXA-scanned birds based on chemical proximate analysis. A total of 288 laying females (10–30 wk of age) and 305 broiler breeder females (4–32 wk of age) were used. The same birds scanned by DXA were dissected and utilized for whole-body proximate chemical analysis for body lean, fat, and mineral content (ash). As indicators of carcass fat and lean, abdominal fat pad and breast muscle weights were also recorded. Models were evaluated using root mean square error ( RMSE ), Bayesian Information Criterion ( BIC ), coefficient of determination ( R 2 ), Durbin Watson test for autocorrelation ( DW ), and residuals observation ( RES ). Model estimations were done separately by strain or combined. Estimations of composition responses fit at least 1 of each linear and nonlinear models for the egg- and meat-type chickens on all parameters estimated ( P < 0.05). In the egg-type chickens, multivariate linear regression was the best fit for body lean with the lowest RMSE and BIC, and highest R 2 whereas body fat, body ash, and breast muscle were best predicted by the multivariate polynomial model. In the meat-type chickens, body lean was best predicted by the multivariate linear model with the lowest RMSE and BIC, and the highest R 2 whereas the multivariate polynomial was the most parsimonious model for body fat, body ash, and abdominal fat. Positive autocorrelations were observed in several models tested for body fat, body ash, breast muscle, and abdominal fat pad when both strains were analyzed combined ( P < 0.05). In summary, a strain-based correction is recommended to all the parameters, with exception of the BW estimation. Correction equations developed in this study demonstrated that the DXA technique is a reliable alternative to proximate chemical analysis in egg- and meat-type chickens.
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 | 0,001 |
| 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 ».