Significance of specialty protein ingredients in feeding programs for broiler chickens on nitrogen utilization and excretion-A meta-analysis
Notice bibliographique
Résumé
Specialty protein ingredients (SPI) such as processed animal proteins (PAP), insect proteins (IP), algae, and further-processed vegetable proteins (PVP), are increasingly incorporated into broiler diets. However, variation in crude protein (CP) intake and the inclusion levels of these ingredients across studies can confound their reported effects. To address this heterogeneity, the present meta-analysis used a mixed-effects meta-regression model that adjusted performance responses for both CP intake and SPI inclusion level, enabling a standardized comparison of ingredient efficacy. The hypothesis was that PVP and PAP would perform similarly to conventional soybean meal (SBM) and outperform IP and algae due to their higher digestibility and more balanced amino acid profiles reported in the literature. Data from 53 peer-reviewed studies were integrated into a mixed-effects model (PROC GLIMMIX, SAS), with study as a random effect and SPI type and CP intake as fixed effects. The model predictions were average daily gain (ADG), average daily feed intake (ADFI), feed conversion ratio (FCR), and nitrogen balance. During the starter and grower phases, PVP, PAP and SBM resulted in the highest ADG and 8-15% reduction in nitrogen excretion (P < 0.001). In the finisher phase, SBM had the highest overall performance, while PVP and PAP had similar results (P < 0.001). The performance response to CP intake revealed that algae had the steepest positive slopes at low intake and the largest quadratic declines at higher intakes (P < 0.001). IP also showed quadratic performance declines at higher intake levels (P < 0.001), particularly above 10 % inclusion. PVP and SBM showed minimal quadratic effects, and PAP showed a moderate decline in nitrogen efficiency in the finisher phase (P < 0.01). In conclusion, PVP and PAP are effective alternative protein sources. In contrast, algae and high inclusion of IP are less suitable because of their lower protein quality. These findings offer a quantitative basis for feed formulation and guide future research aimed at improving the digestibility and amino acid profiles of algae and IP.
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 | 0,002 |
| 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 ».