Sub-clinical mastitis and associated risk factors on lactating cows in the Savannah Region of Nigeria
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
BACKGROUND: Sub-clinical mastitis limits milk production and represents an important barrier to profitable livestock economics worldwide. Milk production from cows in Nigeria is not at optimum levels in view of many factors including sub-clinical mastitis. RESULTS: The overall herd-level prevalence rate for SCM was 85.33% (256/300 heads of cows) while the quarter-level prevalence rate of SCM was 43.25% (519/1,200 quarters). The prevalence of SCM was 50.67%, 43.67%, 39.67% and 39.13% for the left fore-quarter, right hind-quarter, left hind-quarter and right fore-quarter, respectively. The Rahaji breed had the highest prevalence of SCM with 65.91% (29/44), while the White Fulani breed had the least with 32.39% (57/176). A total of 32.33% (97/300) had only one mammary quarter affected, 30.33% (91/300) had two quarters affected, 16.00% (48/300) had three quarters affected while 6.67% (20/300) had all the four quarters affected. A total of 53.00% had SCM in multiple quarters (159/300). The risk of SCM decreased significantly among young lactating cows compared to older animals (OR = 0.283; P < 0.001; 95%CI = 0.155; 0.516). The Rahaji breed had significantly higher risk compared with the White Fulani breed (OR = 8.205; P = 0.013; 95% CI = 1.557; 43.226). Improved sanitation (washing hands before milking) will decrease the risk of SCM (OR = 0.173; P = 0.003; 95% CI = 0.054; 0.554). CONCLUSION: SCM is prevalent among lactating cows in the Nigerian Savannah; and this is associated with both animal characteristics (age, breed and individual milk quarters) and milking practices (hand washing).Good knowledge of the environment and careful management of the identified risk factors with improved sanitation should assist farm managers and veterinarians in implementing preventative programmes to reduce the incidence of SCM.
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 | 0,005 | 0,002 |
| 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 | 0,000 |
| 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