MétaCan
Menu
Retour à la cohorte
Enregistrement W2134049477 · doi:10.3168/jds.s0022-0302(04)70026-0

Claw Hardness of Dairy Cows: Relationship to Water Content and Claw Lesions

2004· article· en· W2134049477 sur OpenAlexafffund
T.F. Borderas, B. Pawluczuk, A.M. de Passillé, J. Rushen

Notice bibliographique

RevueJournal of Dairy Science · 2004
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgriculture and Farm Safety
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesAgriculture and Agri-Food CanadaDairy Farmers of Canada
Mots-clésClawLamenessHoofFrench hornAnimal scienceAbsorption of waterBiologyVeterinary medicineAnatomyMedicineBotanySurgeryEcology

Résumé

récupéré en direct d'OpenAlex

Lameness of dairy cows is a major welfare and economic problem. Degree of hardness of claws may influence chances for injury or for claw lesions, and exposure of claws to moisture may make them soft. To assess the relationship among hardness of the claw horn, quantity and rate of absorption of water, and incidence of claw lesions, 4 experiments were carried out. In the first 3 experiments, we soaked pieces of the claw horn in water for 12 to 24 h. Soaked claws gained weight and became significantly softer, indicating that water was absorbed. One-third of the total water absorbed in 24 h occurred during the first hour. Base of the abaxial and dorsal walls of the claw was harder than the sole, but became softer more rapidly when soaked in water. In the 4th experiment, significant negative correlations were detected between claw hardness of cows and severity of claw lesions, suggesting that cows with softer claws have the most severe claw lesions. Claw horn tissue absorbs water rapidly and claw hardness decreases with moisture content, suggesting that brief exposures to moist surfaces result in claws that absorb water and consequently become softer. The relationship between hardness and claw lesions indicates that cows with softer claws are at greater risk for lameness.

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)0,002
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
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 Opus0,058
Tête enseignante GPT0,254
Écart entre enseignants0,196 · 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

Citations122
Publié2004
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Dairy ScienceMême sujetAgriculture and Farm SafetyTravaux en français237 207