MétaCan
Menu
Retour à la cohorte
Enregistrement W4414623598 · doi:10.1079/animalsciencecases.2025.0019

Reducing Feed Efficiency Test Length of Beef Cattle and Sheep to Improve Industry Adoption

2025· article· en· W4414623598 sur OpenAlexaff
Susan Markus, Olufemi Osonowo, Sean Thompson, Ghader Manafiazar

Notice bibliographique

RevueAnimal Science Cases · 2025
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetic and phenotypic traits in livestock
Établissements canadiensAgriculture Food and Rural DevelopmentDalhousie UniversityLakeland College
Organismes subventionnairesnon disponible
Mots-clésResidual feed intakeBeef cattleFeed conversion ratioLivestockHerdBiosecurityDry matterLimitingBeef industry

Résumé

récupéré en direct d'OpenAlex

Abstract Feed-efficient animals are vital for livestock producers, as feed costs account for over two-thirds of beef and sheep operation production expenses. Traditional methods like Feed Conversion Ratio (FCR) provide group averages, limiting genetic selection potential. In contrast, Residual Feed Intake (RFI) offers an accurate evaluation of individual animal efficiency by measuring the difference between actual and expected feed consumption based on body weight and average daily gain. This study analysed historical feed efficiency data from 245 sheep, and 4842 beef cattle across 3 and 85 contemporary groups, respectively to determine optimal test durations. Results indicated testing periods for sheep could be reduced from 53 to 38 days in ram lambs and from 65 to 42 days in ewe lambs. In beef cattle, test duration could be shortened from 50 to 42 days. Shortened durations could significantly lower costs, enhance equipment utilization, and promote industry adoption of feed efficiency profiling. Key considerations for effective testing include contemporary grouping, animal type, feeding behaviours, and biosecurity protocols. The study demonstrated that more frequent body weight measurements and reduced dry matter intake (DMI) test periods can support accurate RFI calculations, ultimately enabling livestock producers to select genetically efficient animals and improve overall herd performance. Information © The Authors 2025

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,407
Score d'incertitude au seuil0,298

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,011
Tête enseignante GPT0,267
Écart entre enseignants0,256 · 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 tête enseignante, 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 revueAnimal Science CasesMême sujetGenetic and phenotypic traits in livestockTravaux en français237 207