Coenzyme Q10 Supplementation on Tilapia Growth Performance: A Systematic Review and Meta-analysis
Notice bibliographique
Résumé
An increasing body of evidence suggests that Coenzyme Q10 can enhance fish performance, which is vital for the development of aquaculture; however, its effects have not yet been systematically analysed. This paper aims to summarise and evaluate the effects of Coenzyme Q10 on the growth performance of Tilapia. Five databases were searched: PubMed, ScienceDirect, Scopus, Web of Science, and Google Scholar. The study followed the PRISMA methodology and was registered on the Open Science Framework. Methodological quality was assessed using the SYRCLE Risk of Bias Tool. Statistical analyses were conducted using RevMan software. Relevant literature was screened, and data was extracted. In total, seven studies were included in the review, with five included in the meta-analysis, comprising 1,752 animals and 18 comparisons. Most studies exhibited methodological limitations or uncertainties. The meta-analysis demonstrated that Coenzyme Q10 significantly improved performance indicators, with standardised mean differences (SMD) observed for feed intake (SMD = 10.49, 95% CI: 8.58; 12.40), feed conversion (SMD = -2.03, 95% CI: -3.00; -1.07), feed efficiency ratio (SMD = 8.83, 95% CI: 7.19; 10.48), daily weight gain (SMD = 11.28, 95% CI: 9.42; 13.14), specific growth rate (SMD = 7.17, 95% CI: 5.68; 8.67), and survival rate (SMD = 2.80, 95% CI: 2.03; 3.57), compared with the control. Subgroup analyses indicated significant effects of Coenzyme Q10 on most variables. Although CoQ10 may improve growth performance indices in tilapia, further research is needed to strengthen species-specific evidence.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 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 ».