Exploring the Surveillance Potential of Mortality Data: Nine Years of Bovine Fallen Stock Data Collected in Catalonia (Spain)
Notice bibliographique
Résumé
The potential of fallen stock data to monitor the health status of animal populations has been noted in previous studies. However, further research is required to implement these systems for surveillance. This work presents a novel approach to determining the baselines associated with bovine fallen stock, comparing patterns between subpopulations and identifying subpopulations in which an abnormal event may occur. This study was based on data from 193,873 disposal visits carried out between 2004 and 2012 across a total of 2,991 bovine farms. Proxy measurements such as the number of collections carried out and the weight of carcasses collected were used. Both outcomes were aggregated weekly at different geographical scales for three production types (beef cattle, dairy cattle and heifer fattening). The analysis of these data combined autoregressive integrated moving average modelling and hierarchical time series methods.The three production types exhibited historical baselines that differed notably from one another. Based on the 757 beef cattle farms monitored, the mean number of collections registered per week at the regional level was 37 (range: 10-83). This series was relatively constant over time and showed a marked yearly seasonality. In contrast, for the 426 dairy cattle farms the mean number of disposal visits registered weekly was 121 (range: 71-180), showing half-yearly and yearly seasonality and a marked increase over the period monitored. From the 1,808 heifer fattening farms the mean number of disposal visits was 248 (range: 166-357) and the pattern presented a marked alternating trend over time. These patterns were assessed and compared at regional, provincial, county and municipal levels. The use of hierarchical time series approaches appeared to be a useful tool for comparing the patterns within different subpopulations over time as well as for assessing the spatial extent to which various abnormal events could be detected.
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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 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 ».