Automated methods for detecting lameness and measuring analgesia in dairy cattle
Notice bibliographique
Résumé
The objective was to assess gait, automated measures of weight distribution among the legs, and daily activity as methods for detecting lameness in dairy cows and measuring pain mitigation by nonsteroidal antiinflammatory drugs. Fifty-seven lactating cows (28 of which were lame) were injected twice with ketoprofen (3.0 mg/kg i.m.) or isotonic saline solution. Gait scores (numerical rating system, NRS), time spent lying down, frequency of steps, and weight distribution among legs when standing before, during, and after injections were measured to assess whether automated measures of activity can detect lameness and the effect of analgesic drugs in cows. Lame cows (NRS >3) shifted weight between contralateral legs more often (SD of the weight applied: 31.1+/-2.1 vs. 24.5+/-1.9kg), had a greater asymmetry in the weight applied to the rear legs (leg weight ratio=0.78+/-0.02 vs. 0.87+/-0.02), had longer lying bouts (94.0+/-4.9 vs. 78.2+/-5.8min), and walked slower (1.28+/-0.3 vs. 1.42+/-0.3 m/s) than nonlame cows. Variability over time (SD) of the weight applied to the rear legs was the most accurate predictor of whether a cow was lame or not (area under the curve=0.71). The SD of the weight applied to the rear legs decreased on the days when ketoprofen was given compared with the day before and after (18 and 12% decrease for lame and nonlame cows, respectively). Ketoprofen did not affect any other measure. Measures of weight shifting between legs while cows are standing have potential as an automated method of detecting lameness and analgesia.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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 ».