Effects of feeding Candida utilis-fermented pea starch on overall, metabolic and intestinal health of dogs and cats
Notice bibliographique
Résumé
Pulse-based pet foods often contain peas or pea starch, which tend to impart a bitter taste. Fermentation increases feed palatability, but also has the potential to improve overall health. Therefore, the current study used the yeast, Candida utilis, to ferment pea starch for use in pet food and assessed health effects, focusing on metabolic and intestinal health in dogs and cats. Whole diets had ~30% starch inclusion of either C. utilis-fermented pea starch, unfermented pea starch, or a control corn diet fed over a 20-day period to beagle dogs and domestic cats. Complete blood count, biochemistry, adipokines, and triglyceride levels were assessed, along with fecal short chain fatty acids, microbial diversity and abundance to measure intestinal health. It was found that pea-based diets (regardless of fermentation) generally resulted in improved metabolic health by both species, indicated by lower plasma triglycerides, cholesterol, and leptin levels compared to the control corn diet. Additionally, the C. utilis-fermented pea starch diet improved dog fecal microbial diversity, while both pea diets increased richness and evenness in the microbial population and a larger Faecalibacterium population compared to dogs fed the corn-based diet. In contrast, cat microbiome could not be quantitatively evaluated due to poor fecal quality. Taken together, inclusion of pea starch improves metabolic and intestinal health after 20 days consumption in dogs, while fermentation of pea starch with C. utilis may provide additional benefit.
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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».