Meta-analysis of poultry organ weights and their relationship with meat yield
Notice bibliographique
Résumé
Late-stage mortality is a significant challenge for the poultry industry, leading to substantial economic losses, concerns about animal welfare, and operational sustainability. Heart-related conditions, including ascites syndrome, pulmonary hypertension syndrome, hypertrophic cardiomyopathy, and sudden death syndrome, contribute significantly to this issue. The increasing prevalence of these conditions is potentially linked to intense selection pressure aimed at maximizing meat yield, particularly breast meat. However, the precise relationship between meat yield, heart size and cardiovascular health remains unclear. To address this, a systematic literature review and meta-analysis were conducted to explore the relationship between breast meat yield and organ size (heart, lungs, liver), in which 91 publications meeting specific inclusion criteria were identified. Data extracted included variables such as live weight, portion yields (breast, leg, wing), organ weights (heart, lungs, liver), and the prevalence of heart-related conditions (pulmonary hypertension syndrome, ascites syndrome). A backward selection modeling approach was used to develop linear mixed models, treating the study as a random effect, to examine the relationship between organ weights as a percentage of body weight (% BW), meat yield and other animal attributes. The best heart weight model (% BW) included the effects of sex, species (chicken or turkey), bird purpose (meat or egg), breast meat yield (%), and live weight (g). The best liver weight model (% BW) included species, bird purpose, breast meat yield (%), and live weight (g). The best lung weight (% BW) model included heart weight (g). Model performance was evaluated using residuals analysis, root mean squared prediction error, and the concordance correlation coefficient. Findings suggest that laying hens have larger hearts relative to body weight compared to broiler chickens and turkeys. The liver and lung models revealed that broiler chickens had larger livers (% BW) compared to laying hens, and that lung weight (% BW) was negatively correlated to heart weight (g). These results highlight the potential need to consider organ health in breeding programs focused on meat yield.
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 | 0,003 |
| 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 ».