Herd-level risk factors for hock injuries in freestall-housed dairy cows in the northeastern United States and California
Notice bibliographique
Résumé
The aim of this study was to investigate the associations between management and facility design factors and the prevalence of hock injuries in high-producing dairy cows in 76 freestall herds in the northeastern United States (NE-US; Vermont, New York, Pennsylvania) and California (CA). One group of high-production multiparous cows was monitored on each farm, and data on management, facility and stall design, and the conditions of the hocks were collected. Focal cows [n=38 ± 3 (mean ± standard deviation)] were evaluated for hock injuries using a 3-point scale (where 1=healthy and 3=evidently swollen or severe injury). Measures associated with the proportion (logit-transformed) of cows having injuries (score ≥ 2) or severe injuries (score=3) at the univariable level were submitted to multivariable general linear models. In NE-US, overall hock injuries increased with the percentage of stalls with fecal contamination [odds ratio (OR)=1.26; 95% confidence interval (CI)=1.02-1.54, for a 10% increase], and with the use of sawdust as bedding (OR=3.47; CI=1.14-10.62), and decreased with deep bedding (i.e., at least 10 cm depth of any type of bedding; OR=0.05; CI=0.02-0.14), use of sand as bedding (OR=0.06; CI=0.02-0.15), bedding dry matter (DM) ≥ 83.9% (OR=0.08; CI=0.03-0.20), and access to pasture during the dry period (OR=0.17; CI=0.05-0.53). When these variables were submitted to a multivariable model, the presence of deep bedding was the only factor that remained significant, explaining 54% of the variation in overall injuries. Severe hock injuries increased with the use of automatic scrapers (OR=2.29; CI=1.11-4.71) and the percentage of stalls with fecal contamination (OR=1.14; CI=1.00-1.31, for a 10% increase), and decreased with sand bedding (OR=0.22; CI=0.10-0.49), deep bedding (OR=0.24; CI=0.11-0.52), bedding DM ≥ 83.9% (OR=0.28; CI=0.14-0.58), and access to pasture during the dry period (OR=0.42; CI=0.18-0.97). The final multivariable model, which explained 36% of the variation in severe hock injuries, included the use of automatic scrapers and deep bedding. In CA, stall stocking density (OR=1.41; CI=1.00-2.01, for a 10% increase) and poor bedding maintenance (OR=1.08; CI=1.01-1.16, for a 2.5-cm decrease in depth of deep-bedded stalls) were associated with an increase of overall and severe hock injuries, respectively. Deep-bedded and well-maintained stalls reduce the risk of hock injuries. Regional variation in risk factors for these injuries should be considered when formulating on-farm recommendations.
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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».