Impact of Precision Feeding During Gestation on the Performance of Sows over Three Cycles
Notice bibliographique
Résumé
This study evaluated the impact of precision feeding and bump feeding strategies during gestation on the reproductive performance of sows monitored over three cycles. Four treatments were compared: two constant-concentration feeding strategies (0.53% standardized ileal digestible lysine content; SID Lys) with the feed supply remaining constant (flat feeding; FF) or variable (bump feeding; BF) and two precision feeding strategies based on the InraPorc model considering performance by parity (precision feeding per parity; PFP) or the weight of each sow at breeding (precision feeding by individual; PFI). Sows were followed over three gestation and lactation cycles. In the first cycle (n = 502), the birth-to-weaning piglet mortality for PFP (8.7%) and PFI (10.3%) was lower than for BF (13.8%), with FF (11.3%) being intermediate (p = 0.001). No differences were observed in litter performance during the second cycle (n = 340). During the third cycle (n = 274), the stillborn rate was lower for PFP (6.2%) than for BF (9.1%) and FF (10.4%), with PFI (7.0%) being intermediate (p = 0.01). The BF strategy did not significantly improve sow or litter performance during lactation. Meanwhile, precision feeding could reduce nitrogen (10–13%) and total phosphorus intake (6–9%) with PFP and PFI strategies. Also, the results showed that it could even reduce piglet mortality during lactation.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».