MétaCan
Menu
Retour à la cohorte
Enregistrement W1999418935 · doi:10.1071/wr05024

Comparison of the healing process in hot and cold brands applied to harbour seal pups (Phoca vitulina)

2006· article· en· W1999418935 sur OpenAlexaff
Pierre‐Yves Daoust, G M Fowler, Wayne T. Stobo

Notice bibliographique

RevueWildlife Research · 2006
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueMeat and Animal Product Quality
Établissements canadiensBedford Institute of OceanographyUniversity of Prince Edward Island
Organismes subventionnairesnon disponible
Mots-clésPhocaCold warSeal (emblem)BiologyFisheryGeography

Résumé

récupéré en direct d'OpenAlex

Hot branding has been used for many years by researchers to identify seals from a long distance. In livestock, cold branding has been proposed as an alternative because it is thought to be less painful. The purpose of this study was to compare the healing process of hot and cold brands applied to harbour seal pups (Phoca vitulina). A total of 306 animals was branded with a unique set of four characters: three applied for 3–5 s with an iron heated to 500°C, and one applied for either 10 or 20 s with an iron frozen to –175°C. At three subsequent times over 10 weeks, 43, 41 and 51 animals, respectively, were recaptured, the macroscopic appearance of their brands recorded, and biopsies taken for microscopic examination. Cold brands had a faster healing rate than hot brands. However, they resulted in less destruction of hair follicles, and cold brands applied for 20 s caused more depigmentation. Regrowth of hair follicles could subsequently obscure brands, while depigmentation reduces the contrast between the brand and the surrounding fur. Cold brands applied for 20 s also caused more extensive deep vascular damage, which subsequently may have resulted in deeper wounds in some of these brands. Yet, macroscopically, other cold brands, or portions thereof, were almost invisible. On the basis of this short-term study, the technique of cold branding that we used in harbour seals does not appear to be as reliable as that of hot branding to provide permanent legible brands.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,412
Score d'incertitude au seuil0,187

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,118
Tête enseignante GPT0,389
Écart entre enseignants0,271 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations12
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWildlife ResearchMême sujetMeat and Animal Product QualityTravaux en français237 207