Evaluation of a Computer-aided Lung Auscultation System for Diagnosis of Bovine Respiratory Disease in Feedlot Cattle
Notice bibliographique
Résumé
BACKGROUND: A computer-aided lung auscultation (CALA) system was recently developed to diagnose bovine respiratory disease (BRD) in feedlot cattle. OBJECTIVES: To determine, in a case-control study, the level of agreement between CALA and veterinary lung auscultation and to evaluate the sensitivity (Se) and specificity (Sp) of CALA to diagnose BRD in feedlot cattle. ANIMALS: A total of 561 Angus cross-steers (initial body weight = 246 ± 45 kg) were observed during the first 50 day after entry to a feedlot. METHODS: Case-control study. Steers with visual signs of BRD identified by pen checkers were examined by a veterinarian, including lung auscultation using a conventional stethoscope and CALA that produced a lung score from 1 (normal) to 5 (chronic). For each steer examined for BRD, 1 apparently healthy steer was selected as control and similarly examined. Agreement between CALA and veterinary auscultation was assessed by kappa statistic. CALA's Se and Sp were estimated using Bayesian latent class analysis. RESULTS: Of the 561 steers, 35 were identified with visual signs of BRD and 35 were selected as controls. Comparison of veterinary auscultation and CALA (using a CALA score ≥2 as a cut off) revealed a substantial agreement (kappa = 0.77). Using latent class analysis, CALA had a relatively high Se (92.9%; 95% credible interval [CI] = 0.71-0.99) and Sp (89.6%; 95% CI = 0.64-0.99) for diagnosing BRD compared with pen checking. CONCLUSIONS: CALA had good diagnostic accuracy (albeit with a relatively wide CI). Its use in feedlots could increase the proportion of cattle accurately diagnosed with BRD.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».