Association Between a Visual and an Automated Locomotion Score in Lactating Holstein 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
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.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 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