Degradabilidade da Matéria Seca e Fibra em Detergente Neutro da Cana-de-açúcar (Saccharum spp) com Diferentes Fontes de Proteína
Bibliographic record
Abstract
Foram utilizados cinco bovinos fistulados no rúmen para se determinar a degradação da cana-de-açúcar em dietas com diferentes fontes de proteína degradável, por meio do método de incubação de sacos de náilon. Os tratamentos estudados foram: cana e uréia; cana e farelo de soja; cana, farelo de soja e uréia; cana e glúten de milho; cana, glúten de milho e uréia. Após um período de adaptação de 14 dias, iniciou-se a incubação dos sacos de náilon, nos tempos de 3, 6, 12, 24, 48, 72, 96 e 120 horas. Após o período de incubação, foram determinados o pH e a concentração de amônia no fluido ruminal, em amostras retiradas 0, 3, 6, 9, 12, 15, 18 e 21 horas após a alimentação. O delineamento estatístico utilizado foi o de blocos casualizados, com tratamentos como parcelas e tempos como subparcelas. A concentração de amônia foi mais elevada nos tratamentos com maior quantidade de proteína degradável, porém não houve efeito significativo para os tratamentos. Para os valores de pH, houve significância, apresentando valores mais elevados para os tratamentos com maior quantidade de proteína degradável. Não se observou efeito significativo das diferentes fontes de nitrogênio sobre a degradação da matéria seca e da fibra em detergente neutro da cana-de-açúcar, sendo que a degradabilidade dessas duas frações variou apenas com o tempo de incubação. Os resultados do experimento não comprovaram o princípio de que a maior quantidade de proteína degradável no rúmen possa induzir maior degradação da FDN da dieta.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".