Association Between a Visual and an Automated Locomotion Score in Lactating Holstein Cows
Notice bibliographique
Résumé
Two studies were conducted to evaluate visual locomotion scoring (VLS) and Stepmetrix locomotion scoring (SLS) in detecting painful digit lesions. In study 1, one veterinarian performed VLS. Cows with VLS > or = 3 were hoof trimmed and the presence or absence of a painful lesion (PL), defined as a reaction to digital pressure, was recorded. A strongly increasing pattern in the proportion of cows with PL was detected as VLS increased. The proportions of cows with painful lesions were 5.6% (n = 53), 20.1% (n = 78), 55.5% (n = 164), 79.9% (n = 159), and 100% (n = 5) for VLS 1 to 5, respectively. Study 2 was conducted on a different farm. The entire farm was visually locomotion scored by 3 veterinarians on the same day, and the cows were Stepmetrix locomotion scored by walking through the Stepmetrix system. Every cow was trimmed during the following 2 d by 1 of 8 professional hoof trimmers. The 3 veterinarians identified, scored, and recorded any PL. Interobserver agreement for the 3 veterinarians had a kappa coefficient of between 0.45 and 0.48 +/- 0.05. In total, 518 cows were used in the analysis, from which 11.2% were identified with a PL. Of the cows diagnosed with a PL, 32.8% were detected with a sole ulcer, 25.9% with white line disease, 13.8% with white line abscess, and 27.5% with other diseases. A receiver operating characteristic analysis was performed; the area under the curve was larger for VLS (0.80; 95% confidence interval, 0.76 to 0.83) than SLS (0.62; 95% confidence interval, 0.57 to 0.66). When performed by trained veterinarians, VLS performed better than SLS in detecting PL.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».