MétaCan
Menu
Retour à la cohorte
Enregistrement W7117149948 · doi:10.1051/bioconf/202520701011

Performance and hematological profile of broiler chickens administered by ethanol extract of African leaves ( <i>Vernonia amygdalina</i> )

2025· article· fr· W7117149948 sur OpenAlexaff
I. Ilham, I Wahyudi, Siti Wajizah, Taufiq Hidayat, Sugito Sugito, Samadi Samadi

Notice bibliographique

RevueBIO Web of Conferences · 2025
Typearticle
Languefr
DomaineAgricultural and Biological Sciences
ThématiqueMoringa oleifera research and applications
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesUniversitas Syiah Kuala
Mots-clésBroilerHematologyFeed conversion ratioBody weightFeed additive

Résumé

récupéré en direct d'OpenAlex

This research aims to determine the effect of using african leaf herbal feed ingredients (Vernonia amygdalina) as a feed additive on the performance and hematology profile of broiler chickens. A total of 100 DOC (MB90) broilers were randomly assigned to 20 cage units consisting of 4 treatments and 5 replications. In each treatment, African leaf extract was given in drinking water at different doses (A0 = control; A1 = 250 mg/L; A2 = 500 mg/L; and A3 = 750 mg/L). The feed used in this research is commercial feed for the DOC period up to the harvest period. Body weight and feed consumption are calculated weekly during the study (4 weeks). All data are recorded to determine the performance of broiler chickens, while sample blood collection for hematology tests is performed at the end study. Data were analysed by one-way ANOVA. Differences between treatments were stated if P<0.05. The results showed that giving African leaf extract as a feed additive had no effect (P>0.05) on the performance and hematology profile of broiler chickens. From this research, it was concluded that African leaf extract did not have a negative effect on the performance and profile of broiler chicken hematology.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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 recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,035
Tête enseignante GPT0,277
Écart entre enseignants0,242 · 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'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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBIO Web of ConferencesMême sujetMoringa oleifera research and applicationsTravaux en français237 207