The Influence of Cow Factors on the Incidence of Clinical Mastitis in Dairy Cows
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Many cow-specific risk factors for clinical mastitis (CM) are known. Other studies have analyzed these risk factors separately or only analyzed a limited number of risk factors simultaneously. The goal of this study was to determine the influence of cow factors on the incidence rate of CM (IRCM) with all cow factors in one multivariate model. Also, using a similar approach, the probability of whether a CM case is caused by gram-positive or gram-negative pathogens was calculated. Data were used from 274 Dutch dairy herds that recorded CM over an 18-mo period. The final dataset contained information on 28,137 lactations of 22,860 cows of different parities. In total 5,363 CM cases were recorded, but only 2,525 CM cases could be classified as gram-positive or gram-negative. The cow factors parity, lactation stage, season of the year, information on SCC from monthly test-day records, and CM history were included in the logistic regression analysis. Separate analyses were performed for heifers and multiparous cows in both the first month of lactation and from the second month of lactation onward. For investigating whether CM was caused by gram-positive or gram-negative pathogens, quarter position was included in the logistic regression analysis as well. The IRCM differed considerably among cows, ranging between 0.0002 and 0.0074 per cow-day at risk for specific cows depending on cow factors. In particular, previous CM cases, SCC in the previous month, and mean SCC in the previous lactation increased the IRCM in the current month of lactation. Results indicate that it is difficult to distinguish between gram-positive and gram-negative CM cases based on cow factors alone.
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.
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 | 0,005 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 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 découle