Suplementación con curcumina a vacas en pastoreo sobre producción y composición de leche
Bibliographic record
Abstract
Introducción. La curcumina es el componente más abundante del rizoma de la Curcuma longa, es un pigmento natural catalogado como polifenol (Aggarwal y Sung, 2009) que posee cualidades antioxidantes (Condori et al., 2015). En rumiantes se utiliza como aditivo en la alimentación. En ovejas lecheras, el uso de la curcumina aumenta la producción y el contenido de ácidos grasos insaturados de la leche (Jaguezeski et al., 2018); en vacas lecheras adicionar cúrcuma con otras hierbas disminuyó la proporción de acetato a propionato en el fluido ruminal (Hashemzadeh-Cigari et al., 2014). Objetivo. Evaluar el uso de la curcumina en la producción y componentes de la leche de vacas lecheras en pastoreo. Métodos. Los tratamientos fueron con y sin la inclusión de curcumina, 0.224 g/d/v. El diseño experimental fue cruzado 2x2, las unidades experimentales fueron lotes de vacas Holstein neozelandés homogeneizados. El pastoreo fue rotacional con cerco eléctrico móvil en praderas de Medicago sativa L y Dactylis glomerata L; posterior a cada ordeña se ofreció 14 kg MF d/v de ensilado de maíz y el suplemento de curcumina. Las producciones de leche matutina y vespertina se midieron automáticamente con medidores Alfa Laval® y las muestras de ambas ordeñas se analizaron con MilkoScan®. Resultados y discusión. En la producción diaria de leche, como en los componentes de grasa, proteína y sólidos totales no se detectó diferencia entre tratamientos. Dicha respuesta contrasta con lo reportado por Nurdin et al. (2011) que indican un aumento significativo en la producción de leche al usar Black Cumin y Curcuma aeruginosa en la alimentación. Conclusión. La inclusión de 0.224 g/d/v de curcumina en la dieta de vacas Holstein neozelandés en pastoreo no afecto su producción de leche ni su composición.
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 | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 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".