Sampling cows to assess lying time for on-farm animal welfare assessment
Notice bibliographique
Résumé
The time that dairy cows spend lying down is an important measure of their welfare, and data loggers can be used to automatically monitor lying time on commercial farms. To determine how the number of days of sampling, parity, stage of lactation, and production level affect lying time, electronic data loggers were used to record lying time for 10 d consecutively, at 3 stages of lactation [early: when cows were at 10-40 d in milk (DIM), mid: 100-140 DIM, late: 200-240 DIM] of 96 Holstein cows in tiestalls (TS) and 127 in freestalls (FS). We calculated daily duration of lying, bout frequency, and mean bout duration. We observed complex interactions between parity and stage of lactation, which differed somewhat between tiestalls and freestalls. First-parity cows had higher bout frequency and shorter lying bouts than older cows but bout frequency decreased and mean bout duration increased as DIM increased. We found that individual cows were not consistent in time spent lying between early and mid lactation (Pearson coefficient, TS: r = 0.1, FS: r = 0.2), whereas cows seemed to be more consistent in time spent lying between mid and late lactation (TS: r = 0.7, FS: r = 0.3). For both TS and FS cows, daily milk production was significantly, but slightly negatively, correlated with lying time across the lactation (range, r: -0.2 to -0.4), whereas parity was slightly to moderately positively correlated with mean bout duration across the lactation (r: +0.2 to +0.6) and negatively with bout frequency (r: -0.2 to -0.5). To estimate how the duration of the time sample affected the estimates of lying time subsets of data subsets consisting of 1, 2, 3, 4, 5, 6, 7, 8, and 9 d per cow were created, and the relationship between the overall mean (based on 10 d) and the mean of each subset was tested by regression. For both TS and FS, lying time based on 4 d of sampling provided good estimates of the average 10-d estimate (90% of accuracy). Automated monitoring of lying time has potential as a measure of dairy cow welfare on commercial farms but cows differ greatly in lying time. To obtain a representative measure for the herd, it is necessary to sample cows based on their parity and stage of lactation but probably not milk production level.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,002 | 0,001 |
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 ».