Measures of weight distribution of dairy cows to detect lameness and the presence of hoof lesions
Notice bibliographique
Résumé
There is increasing interest in automated methods of detecting lame cows. Hoof lesion data and measures of weight distribution from 61 lactating cows were examined in this study. Lame cows were identified with different numerical rating scores (NRS) used as thresholds (NRS >3 and NRS >or=3.5) for lameness. The ratio of weight applied to a pair of legs (LWR) when the cow was standing was calculated using a special weigh scale, and the cows were gait scored using a 1 to 5 NRS. Hoof lesions were scored and the cows placed into 1 of 4 mutually exclusive categories of hoof lesion: a) no lesions, b) moderate or severe hemorrhages, c) digital dermatitis, and d) sole ulcers. Regression analysis and receiver operating characteristic (ROC) curves were used to analyze the relation between hoof lesions and LWR. A clear relationship was found between NRS and LWR for the cows with sole ulcers (R(2)=0.79). The LWR could differentiate cows with sole ulcers from sound cows with no hoof lesions [area under the curve (AUC)=0.87] and lame cows from nonlame cows with lameness thresholds NRS >3 (AUC=0.71) and NRS >or=3.5 (AUC=0.88). There was no relationship between LWR and NRS for cows with digital dermatitis. Measurement of how cows distribute their weight when standing holds promise as a method of automated detection of lameness.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».