MétaCan
Menu
Retour à la cohorte
Enregistrement W2112450427 · doi:10.3168/jds.s0022-0302(05)72813-7

Calf Response to Caustic Paste and Hot-Iron Dehorning Using Sedation With and Without Local Anesthetic

2005· article· en· W2112450427 sur OpenAlexafffund
K.J. Vickers, Lee Niel, L.M. Kiehlbauch, Daniel M. Weary

Notice bibliographique

RevueJournal of Dairy Science · 2005
Typearticle
Langueen
DomaineVeterinary
ThématiqueVeterinary Pharmacology and Anesthesia
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of British ColumbiaDairy Farmers of Canada
Mots-clésLidocaineMedicineCaustic (mathematics)Topical anestheticAnesthesiaLocal anestheticSedationSedativeAnesthetic

Résumé

récupéré en direct d'OpenAlex

Dairy producers require effective methods of reducing the pain associated with dehorning. Previous work has shown that analgesics can reduce pain associated with hot-iron dehorning, but these interventions may not be practical for some producers. Some producers favor the use of caustic paste (to cause a chemical burn as opposed to thermal burn), but little is known about how to treat pain caused by caustic burns. In 2 experiments, head shaking and head rubbing behaviors were used to evaluate pain following dehorning using caustic paste. In experiment 1, sedated calves were dehorned using a caustic paste, with or without a lidocaine local block. Calves treated with lidocaine showed no evidence of reduced pain response in the hours after the caustic paste was applied. In experiment 2, response to caustic paste dehorning with a sedative only was compared with hot-iron dehorning using a sedative and local anesthetic. In the first 4 h after dehorning, calves dehorned with a hot iron showed more head shaking than calves dehorned with caustic paste. These results indicate that dehorning with caustic paste combined with a sedative results in less pain to calves than dehorning with a hot iron combined with a sedative and a local anesthetic.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,045
Tête enseignante GPT0,343
Écart entre enseignants0,298 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations108
Publié2005
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Dairy ScienceMême sujetVeterinary Pharmacology and AnesthesiaTravaux en français237 207