Application of longitudinal data analysis allows to detect differences in pre - breeding growing curves of 24 - month calving Angus heifers under two pasture - based systems with differential puberty onset.

Mostrar otras versiones (1)

BACKGROUND: Longitudinal data analysis contributes to detect differences in the growing curve by exploiting all the information involved in repeated measurements, allowing to distinguish changes over time within individuals, from differences in the baseline levels among groups. In this research, lon...

Descripción completa

Guardado en:
Detalles Bibliográficos
Otros Autores: Bonamy, Martin, Iraola, Julieta Josefina de, Prando, Alberto Juan, Baldo, Andrés, Giovambattista, Guillermo, Rogberg Muñoz, Andrés
Formato: Artículo
Lenguaje:Inglés
Materias:
PUBERTY
HEIFER
GRAZING
REARING
GROWTH
LONGITUDINAL DATA
Acceso en línea:http://ri.agro.uba.ar/files/intranet/articulo/2020bonamy.pdf
LINK AL EDITOR
Aporte de:Registro referencial: Solicitar el recurso aquí
Biblioteca Central (FAUBA) de Universidad de Buenos Aires
LEADER 04830nab a22004097a 4500
001 20200521110801.0
003 AR-BaUFA
005 20210526191339.0
008 200521t2020 xxud||||o|||| 00| | eng d
999 |c 47983  |d 47983 
999 |d 47983 
999 |d 47983 
999 |d 47983 
999 |d 47983 
022 |a 0022-5142 
024 |a 10.1002/jsfa.10072 
040 |a AR-BaUFA 
245 1 0 |a Application of longitudinal data analysis allows to detect differences in pre - breeding growing curves of 24 - month calving Angus heifers under two pasture - based systems with differential puberty onset. 
520 |a BACKGROUND: Longitudinal data analysis contributes to detect differences in the growing curve by exploiting all the information involved in repeated measurements, allowing to distinguish changes over time within individuals, from differences in the baseline levels among groups. In this research, longitudinal and cross-sectional analysiswere compared to evaluate differences in growth in Angus heifers under two different grazing conditions, ad libitum (AG) and controlled (CG) to gain 0.5 kg day−1. RESULTS: Longitudinalmixed models show differences in growing curve parameters between grazing conditions, that were not detected by cross-sectional analysis. Differences (P smaller than 0.05) in first derivative of growth curves (daily gain) until 289 days were observed between treatments, AG being higher than CG. Correspondingly, pubertal heifer proportion was also higher in AG at the end of rearing (AG, 0.94; CG, 0.67). CONCLUSION: In longitudinal studies, the power to detect differences between groups increases by exploiting the whole information of repeated measures, modelling the relation between measurements performed on the same individual. Under a proper analysis, valid conclusion can be drawn with fewer animals in the trial, improving animal welfare and reducing investigation costs. 
653 |a PUBERTY 
653 |a HEIFER 
653 |a GRAZING 
653 |a REARING 
653 |a GROWTH 
653 |a LONGITUDINAL DATA 
700 1 |a Bonamy, Martin  |u Universidad Nacional de La Plata. Facultad de Ciencias Veterinarias. Departamento de Producción Animal. Cátedra de Producción de Bovinos. La Plata, Buenos Aires, Argentina.  |u Universidad Nacional de La Plata. Facultad de Ciencias Veterinarias. Instituto de Genética Veterinaria (UNLP. IGEVET). La Plata, Buenos Aires, Argentina.  |u CONICET - Universidad Nacional de La Plata. Facultad de Ciencias Veterinarias. Instituto de Genética Veterinaria (UNLP. IGEVET). La Plata, Buenos Aires, Argentina.  |9 68259 
700 1 |a Iraola, Julieta Josefina de  |u Universidad Nacional de La Plata. Facultad de Ciencias Veterinarias. Departamento de Producción Animal. Cátedra de Producción de Bovinos. La Plata, Buenos Aires, Argentina.  |u Universidad Nacional de La Plata. Facultad de Ciencias Veterinarias. Instituto de Genética Veterinaria (UNLP. IGEVET). La Plata, Buenos Aires, Argentina.  |u CONICET - Universidad Nacional de La Plata. Facultad de Ciencias Veterinarias. Instituto de Genética Veterinaria (UNLP. IGEVET). La Plata, Buenos Aires, Argentina.  |9 68260 
700 1 |9 70926  |a Prando, Alberto Juan  |u Universidad Nacional de La Plata. Facultad de Ciencias Veterinarias. Departamento de Producción Animal. Cátedra de Producción de Bovinos. La Plata, Buenos Aires, Argentina. 
700 1 |a Baldo, Andrés  |u Universidad Nacional de La Plata. Facultad de Ciencias Veterinarias. Departamento de Producción Animal. Cátedra de Producción de Bovinos. La Plata, Buenos Aires, Argentina.  |9 68261 
700 1 |9 68263  |a Giovambattista, Guillermo  |u Universidad Nacional de La Plata. Facultad de Ciencias Veterinarias. Instituto de Genética Veterinaria (UNLP. IGEVET). La Plata, Buenos Aires, Argentina.  |u CONICET - Universidad Nacional de La Plata. Facultad de Ciencias Veterinarias. Instituto de Genética Veterinaria (UNLP. IGEVET). La Plata, Buenos Aires, Argentina. 
700 1 |a Rogberg Muñoz, Andrés  |u Universidad Nacional de La Plata. Facultad de Ciencias Veterinarias. Instituto de Genética Veterinaria (UNLP. IGEVET). La Plata, Buenos Aires, Argentina.  |u CONICET - Universidad Nacional de La Plata. Facultad de Ciencias Veterinarias. Instituto de Genética Veterinaria (UNLP. IGEVET). La Plata, Buenos Aires, Argentina.  |u Universidad de Buenos Aires. Facultad de Agronomía. Departamento de Producción Animal. Buenos Aires, Argentina.  |9 37756 
773 0 |t Journal of the science of food and agriculture  |w (AR-BaUFA)SECS001156  |g vol.100, no.2 (2020), p.714–720, tbls., grafs. 
856 |f 2020bonamy  |i en reservorio  |q application/pdf  |u http://ri.agro.uba.ar/files/intranet/articulo/2020bonamy.pdf  |x ARTI202003 
856 |z LINK AL EDITOR  |u https://www.wiley.com/ 
942 |c ARTICULO 
942 |c ENLINEA 
976 |a AAG 

Ejemplares similares