MétaCan
Menu
← Retour à la cohorte
Enregistrement W1971880404 · doi:10.3168/jds.s0022-0302(05)73054-x

Impact of Estimated Genetic Correlations on International Evaluations to Predict Milk Traits

2005· article· en· W1971880404 sur OpenAlexaboutno aff
R.L. Powell, A.H. Sanders, H.D. Norman

Notice bibliographique

RevueJournal of Dairy Science · 2005
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetic and phenotypic traits in livestock
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRanking (information retrieval)Yield (engineering)MathematicsEconometricsGeographyStatisticsComputer science

Résumé

récupéré en direct d'OpenAlex

The Interbull procedure for combining dairy bull evaluations uses estimated genetic correlations between countries. It is important to know whether the resulting difficulties from differences in ranking in each country are justified by improved accuracy relative to a system assuming unity correlations. Data submitted for the May 2001 yield and somatic cell score (SCS) Interbull evaluations were processed once with the usual estimated genetic correlations (E01) and again assuming these correlations to be essentially unity (0.995; U01). The 2 sets of resulting evaluations were compared with August 2004 national evaluations (N04) for bulls not having local evaluations used in the 2001 evaluations. Thus, the examination was of Interbull evaluations from foreign data in predicting national evaluations. Countries in the study for yield were Australia, Canada, France, Germany, Great Britain, Ireland, Italy, The Netherlands, New Zealand, and the United States. Countries included for SCS were Canada, France, Germany, Great Britain, The Netherlands, and the United States. For most countries' evaluations, standard deviations of differences between E01 or U01 and N04 were smaller for E01 by about 5 to 7% and correlations between E01 and N04 were higher by 0.01 or the same as for U01 and N04. Although use of estimated correlations tended to improve prediction, the advantage was small. A previous study had concluded no difference in accuracy for yield but did not include Australia and New Zealand, countries with the lowest correlations with other countries. Excluding bulls from those countries produced results for the other 8 countries more like the previous study, but still favoring E01 slightly. Those 2 countries were not in the SCS data. Estimated genetic correlations improved the prediction of future national evaluations slightly in most countries but more substantially for the evaluations and bulls of Australia and New Zealand.

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)0,037
score de la tête « metaresearch » (Gemma)0,063
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,037
Score d'incertitude au seuil0,196

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0370,063
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,337
Écart entre enseignants0,314 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

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

En bref

Citations3
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Dairy Science→Même sujetGenetic and phenotypic traits in livestock→Travaux en français237 207→