MétaCan
Menu
← Retour à la cohorte
Enregistrement W4417465918 · doi:10.3168/jds.2025-27514

A meta-analysis of the effects of nitrate supplementation on enteric methane emission, production performance, and blood methemoglobin in dairy cattle

2025· article· en· W4417465918 sur OpenAlexaff
L. Dicks, Y. Roman-Garcia, Sanne van Gastelen, Morten Maigaard, P. L. Ingram, G.F. Schroeder

Notice bibliographique

RevueJournal of Dairy Science · 2025
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueRuminant Nutrition and Digestive Physiology
Établissements canadiensCargill (Canada)
Organismes subventionnairesCargill
Mots-clésNitrateMethemoglobinMilk productionSignificant differenceDairy cattleYield (engineering)Nitrite

Résumé

récupéré en direct d'OpenAlex

This meta-analysis evaluated the effect of nitrate supplementation on enteric CH 4 emissions and performance in lactating dairy cows.A literature search identified 9 publications including 10 studies.Nitrate dose ranged from 5.3 to 21.1 g/kg DM and DMI was 19.7 ± 2.47 kg/d, milk yield (MY) was 28.1 ± 6.50 kg/d, and CH 4 production was 348 ± 50.5 g/d (mean ± SD).The mean difference between control and nitrate supplementation was analyzed using the metafor package in R, applying 3 random effects models.Model 1 estimated the overall mean difference across all studies regardless of dose (mean dose: 13.8 g nitrate/kg DM).Model 2 included factor effects of nitrate dose centered around the 2 most tested doses: mode dose of 10.2 ± 1.94 g nitrate/kg DM (n = 15) and high dose of 19.8 ± 2.51 g nitrate/kg DM (n = 10).Model 3 was a linear model evaluating the nitrate dose response.Model 1 showed that nitrate reduced CH 4 production by 20.3%, CH 4 yield (g/kg/DMI) by 16.4% and CH 4 intensity (g/kg ECM) by 20.1% compared with control.Model 2 showed a reduction of 21.5% and 18.7% in CH 4 production, 15.6% and 16.9% in CH 4 yield and 20.2% and 18.9% in CH 4 intensity compared with control for the mode and high dose, respectively.No difference in CH 4 mitigation was observed between the mode and high nitrate dose (Model 2) nor was a linear effect of nitrate dose detected (Model 3).Nitrate supplementation reduced DMI by 0.825 kg/d in Model 1, whereas Model 2 showed that reduction of DMI only occurred at the mode dose (-1.04 kg/d).According to Model 1, nitrate supplementation reduced milk protein yield and content (-0.033 kg/d and -0.087% -units, respectively) and tended to reduce ECM yield (-0.55 kg/d).According to Model 2, nitrate supplementation reduced milk protein content at both mode and high dose (-0.059 and -0.133%-units, respectively), milk protein yield at the mode dose (-0.035 kg/d), and tended to decrease milk protein yield at the high dose (-0.028 kg/d).Furthermore, feed efficiency increased by 3.21% in Model 1 and by 3.59% in Model 2 for the mode dose only.Blood methemoglobin increased upon nitrate supplementation according to Model 1 (+0.695%-units) and Model 2 (high dose only; +1.32% -units) but did not reach levels that posed risks for animal health.In conclusion, the most commonly tested dose of 10 g nitrate/kg DM reduced CH 4 production by 21.5%, CH 4 yield by 15.6% and CH 4 intensity by 20.2%.Dose response analysis indicated no additional reductions when increasing the nitrate dose to a level higher than 10 g/kg DM.Despite the decrease in milk protein content and yield, which was observed at the mode dose of 10 g/kg DM, supplementing nitrate is an effective strategy to reduce CH 4 emission.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,051

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,014
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0100,032
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,028
Tête enseignante GPT0,277
Écart entre enseignants0,249 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Dairy Science→Même sujetRuminant Nutrition and Digestive Physiology→Travaux en français237 207→