Short communication: Quantifying bias in a single-trait international model ignoring covariances from multiple-trait national models
Notice bibliographique
Résumé
The current method in use for international genetic evaluations, called single-trait multiple across-country evaluation (ST-MACE), does not consider residual covariances among traits, making possible only the inclusion of one trait per country in an analysis. The aim of this study was to quantify the effect of bias resulting from treating traits from the same country as nationally independent in an international genetic evaluation. Data from the September 2007 Interbull test evaluation for Holstein female fertility traits were used. Data included were 1 trait from Belgium, Switzerland, Spain, and the United States of America, and 2 traits from Canada, Germany-Austria, and Denmark-Finland-Sweden. The biased results were obtained from a 10-variate ST-MACE analysis including all country traits. The unbiased results were obtained from 8 different 7-variate ST-MACE analyses, each including only 1 trait per country. Average absolute bias in the genetic correlations among 2-trait countries (0.11) was higher than for between 1-trait countries and 2-trait countries (0.07) and for among 1-trait countries (0.03). The results of the biased and the unbiased analyses were different, not only due to bias, but also because of different number of traits involved in the analyses. Differences were considerable (on average, 0.08 to 6.91) for reliabilities, which were higher for traits with lower heritability. Average differences were minor (-0.04 to 0.03 standard deviations) for predicted genetic merits. However, for the top 100 bulls in each country trait, these differences were important (on average, -0.26 to 0.11 standard deviation of predicted genetic merit), which caused considerable changes in bull rankings. The results of this study showed that the effect of bias, caused by ignoring covariances from multiple-trait national models in an ST-MACE analysis, is of such a magnitude that necessitates the use of another method such as multiple-trait multiple across-country evaluation.
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 | 0,023 | 0,081 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».