Fish Waste Meal As A Sustainable Protein Source In Climbing Perch (Anabas testudineus) Diets: Implications For Growth, Feed Utilization, Water Quality, And Economic Viability
Notice bibliographique
Résumé
The use of conventional protein sources such as fishmeal and soybean meal in aquafeed raises sustainability, environmental, and economic concerns. This study evaluated the efficacy of Fish Waste Meal (FWM) as an alternative protein source in the diet of Climbing Perch (Anabas testudineus) through a 60-day feeding trial. The present study evaluated the effects of incorporating fish waste meal (FWM) at varying inclusion levels (0%, 25%, 50%, 75%, and 100%) into the diet of Anabas testudineus on growth performance over a defined feeding period. Key growth parameters, including final body weight (FBW), specific growth rate (SGR), and feed utilization efficiency, were analyzed to assess the nutritional viability of FWM as an alternative protein source. Results demonstrated a clear improvement in growth parameters with increasing inclusion levels of FWM. The FBW increased from 8.54 ± 1.01 g in the control group to a maximum of 10.78 ± 1.01 g in the FWM75 group. Weight gain significantly improved (P = 0.001), ranging from 3.27 ± 0.35 g in the control to 6.33 ± 0.40 g at 75% inclusion. The feed conversion ratio also improved significantly, decreasing from 3.04 ± 0.10 in the control to 1.79 ± 0.16 in the FWM75 group (P = 0.001), while the protein efficiency ratio (PER) increased from 0.78 ± 0.08 to 1.25 ± 0.08 (P = 0.001). The SGR improved from 0.93% to 1.39% per day, though not statistically significant (P = 0.280). The feed intake remained consistent across treatments, and the survival rate was 100% in all groups. The findings highlight that fish waste meal, particularly at 75% inclusion, enhances growth performance and feed efficiency in A. testudineus without compromising survival or feed intake. This underscores the viability of FWM as an environmentally friendly, nutritionally rich, and cost-effective alternative protein source in aquafeed formulations.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 |
| 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 ».