MétaCan
Menu
← Retour à la cohorte
Enregistrement W4408409338 · doi:10.18280/ijdne.200205

Impact of Silages Made of Lignocellulosic Biomass on Rumen Fermentation In-Vitro and Potential Mitigation of Acid Accumulation by Bentonite Supplementation

2025· article· en· W4408409338 sur OpenAlexvenueno aff
Darwin Darwin, Ramayanty Bulan, Salwa Rana Fitria, Andriy Anta Kacaribu

Notice bibliographique

RevueInternational Journal of Design & Nature and Ecodynamics · 2025
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueRuminant Nutrition and Digestive Physiology
Établissements canadiensnon disponible
Organismes subventionnairesUniversitas Syiah KualaLembaga Pengelola Dana PendidikanLembaga Penelitian dan Pengabdian Kepada MasyarakatBadan Riset dan Inovasi Nasional
Mots-clésRumenBiomass (ecology)FermentationBentoniteLignocellulosic biomassPulp and paper industryFood scienceChemistryBiotechnologyAgronomyBiologyChemical engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

The main purpose of this experimental study was to assess the accumulation of organic acids and their mitigation in rumen cultures fermenting silages.The silages used in the rumen fermentation were composed of corn stalks, bagasse, and rice straw.The rumen fermentation was conducted in vitro using batch systems at 38.5 ± 0.5℃ for 48 hours.The results showed that within 4 hours of incubation, the rumen culture fermenting bagasse silage produced 40% more VFA than other silages.Lactic acid build-up occurred exclusively in the rumen culture fermenting bagasse silage.Lactic acid production peaked after 8 hours of incubation, reaching a pH of 5.5.The addition of bentonite to the rumen culture fermenting bagasse silage reduced lactic acid concentration by 65%.Supplementing the feed with 10% bentonite can significantly increase pH from 5.5 to 6.2, potentially mitigating ruminal acidosis.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,012
Tête enseignante GPT0,291
Écart entre enseignants0,280 · 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'étudeExpérimental (laboratoire)
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Design & Nature and Ecodynamics→Même sujetRuminant Nutrition and Digestive Physiology→Travaux en français237 207→