MétaCan
Menu
Retour à la cohorte
Enregistrement W4416041531 · doi:10.1016/j.anifeedsci.2025.116566

Evaluating variables affecting Pellet Durability Index (PDI) in pelleted corn-soy-based feeds for swine and poultry: A meta-analysis

2025· article· en· W4416041531 sur OpenAlexafffund
Jihao You, K.L. Hall, Jessica Civiero, Mark C. Malpass, Dan Tulpan, J.L. Ellis

Notice bibliographique

RevueAnimal Feed Science and Technology · 2025
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Nutrition and Physiology
Établissements canadiensUniversity of Guelph
Organismes subventionnairesOntario Agri-Food Innovation AllianceNatural Sciences and Engineering Research Council of CanadaOntario Ministry of Agriculture, Food and Rural Affairs
Mots-clésPelletIngredientPelletsProduction (economics)Animal feedConcordance correlation coefficientPredictive modellingAnimal husbandry

Résumé

récupéré en direct d'OpenAlex

Pelleting is one of the most widely used feed processing methods in poultry and swine production systems, as it enhances feed handling, improves animal production efficiency, and reduces feed waste. However, poor pellet quality remains a significant challenge for swine and poultry feed manufacturing, limiting economic returns at both the mill and farm levels. Predicting and optimizing pellet quality can be challenging due to the numerous factors in the feed manufacturing process, including diet formulation, production parameters and environmental conditions. A meta-analysis of published studies was conducted to investigate and quantify the impact of formulation and manufacturing factors on pellet quality and develop predictive equations for Pellet Durability Index (PDI), which represents an in-mill metric for pellet quality. Following a systematic review of the literature, a dataset comprising 16 variables and 280 treatment mean observations was extracted from 29 published studies. Models were developed while treating the study as a random effect. Eight factors were selected for model development, including feed composition factors comprising ingredient inclusions and nutrient content as well as key manufacturing parameters. All models were assessed using a 3-fold cross-validation approach, by placing entire studies into folds. The results showed that the bivariable model using Lipid (g/kg) and Protein (g/kg) , resulted in the best PDI prediction performance, with a Concordance Correlation Coefficient of 0.57 ± 0.076, a bias correction factor of 0.91 ± 0.092, and a Pearson Correlation Coefficient of 0.63 ± 0.137. This meta-analysis provides not only a pipeline for selecting models based on a set of statistical criteria, but also produced simple models that can be utilized in feed manufacturing to estimate PDI when data availability is limited.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,903
Score d'incertitude au seuil0,408

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,005
Études des sciences et des technologies0,0010,001
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 Opus0,065
Tête enseignante GPT0,328
Écart entre enseignants0,264 · 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'étudeObservationnel
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'admission2
Résumé présentoui

Explorer davantage

Même revueAnimal Feed Science and TechnologyMême sujetAnimal Nutrition and PhysiologyTravaux en français237 207