MétaCan
Menu
Retour à la cohorte
Enregistrement W1768657684 · doi:10.3168/jds.2015-9617

Invited review: Cessation of lactation: Effects on animal welfare

2015· review· en· W1768657684 sur OpenAlexaff
Gosia Zobel, Daniel M. Weary, K.E. Leslie, M.A.G. von Keyserlingk

Notice bibliographique

RevueJournal of Dairy Science · 2015
Typereview
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueReproductive Physiology in Livestock
Établissements canadiensUniversity of GuelphUniversity of British Columbia
Organismes subventionnairesU.S. Department of Agriculture
Mots-clésMilkingAnimal welfareLactationDairy cattleMilk productionWelfareAffect (linguistics)Animal scienceAnimal healthBiologyVeterinary medicineBiotechnologyMedicinePregnancyPsychologyPolitical scienceEcology

Résumé

récupéré en direct d'OpenAlex

The forced cessation of milk production, or dry-off, is a routine management practice in dairy cattle, sheep, and goats. This practice initiates a dry period, during which the animal is not milked. Milking begins again after parturition. Most of the literature on the dry period has focused on how various drying-off strategies affect milk production and disease; little work to date has addressed how dry-off affects the overall welfare of the dairy animal. The first aim of this review was to present an overview of the importance of dry-off and how it is commonly achieved. Our review shows that much scientific progress has been made in improving health status between lactations. The second aim was to identify important gaps in the literature, of which 2 key research disparities have been identified. We find that much of the work to date has focused on cattle and very little research has examined dry-off in dairy sheep and goats. We also find a lack of research addressing how common dry-off methodologies affect animal welfare on more than just a biological level, regardless of species.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,041

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,000
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0120,003

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 Opus0,056
Tête enseignante GPT0,332
Écart entre enseignants0,276 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations102
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Dairy ScienceMême sujetReproductive Physiology in LivestockTravaux en français237 207