Benchmarking cow comfort on North American freestall dairies: Lameness, leg injuries, lying time, facility design, and management for high-producing Holstein dairy cows
Notice bibliographique
Résumé
In this paper, we describe a novel approach to corporate involvement in on-farm assessment, driven by the desire to provide a service for dairy producers and to create a vehicle for engagement on issues of dairy cow welfare. This program provides producers with feedback on animal-based (including gait score, leg injuries, and lying time) and facility-based (including freestall design, bedding practices, feed bunk design and management, and stocking density) measures that can be used to better address their management goals. The aim of this paper is to describe variation in the prevalence of lameness and leg injuries, lying behavior, facility design, and management practices for high-producing cows on freestall dairy farms in 3 regions of North America: British Columbia (BC; n=42); California (CA; n=39); and the northeastern United States (NE-US; n=40). Prevalence of clinical lameness averaged (mean ± SD) 27.9±14.1% in BC, 30.8±15.5% in CA, and 54.8±16.7% in NE-US; prevalence of severe lameness averaged 7.1±5.4% in BC, 3.6±4.2% in CA, and 8.2±5.6% in NE-US. Overall prevalence of hock injuries was 42.3±26.2% in BC, 56.2±21.6% in CA, and 81.2±22.5% in NE-US; prevalence of severe injuries was 3.7±5.2% in BC, 1.8±3.1% in CA, 5.4±5.9% in NE-US. Prevalence of swollen knees was minimal in CA (0.3±0.6%) but high (23.1±16.3%) in NE-US (not scored in BC). Lying times were similar across regions (11.0±0.7h/d in BC, 10.4±0.8h/d in CA, 10.6±0.9h/d in NE-US), but individual lying times among cows assessed varied (4.2 to 19.5h/d, 3.7 to 17.5h/d, and 2.8 to 20.5h/d in BC, CA, and NE-US, respectively). These results showed considerable variation in lameness and leg injury prevalence as well as facility design and management among freestall farms in North America. Each of the 3 regions had farms with a very low prevalence of lameness and injuries, suggesting great opportunities for improvement on other farms within the region.
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 | 0,001 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».