Comparison of models for genetic evaluation of survival traits in dairy cattle: a simulation study
Notice bibliographique
Résumé
Three models for the analysis of functional survival data in dairy cattle were compared using stochastic simulation. The simulated phenotype for survival was defined as a month after the first calving (from 1 to 100) in which a cow was involuntarily removed from the herd. Parameters for simulation were based on survival data of the Canadian Jersey population. Three different levels of heritability of survival (0.100, 0.050 and 0.025) and two levels of numbers of females per generation (2000 or 4000) were considered in the simulation. Twenty generations of random mating and selection (on a second trait, uncorrelated with survival) with 20 replicates were simulated for each scenario. Sires were evaluated for survival of their daughters by three models: proportional hazard (PH), linear multiple-trait (MT), and random regression (RR) animal models. Different models gave different ranking of sires with respect to survival of their daughters. Correlations between true and estimated breeding values for survival to five different points in a cow's lifetime after the first calving (120 and 240 days in milk after first, second, third and fourth calving) favoured the PH model, followed by the RR model evaluations. Rankings of models were independent of the heritability level, female population size and sire progeny group size (20 or 100). The RR model, however, showed a slight superiority over MT and PH models in predicting the proportion of sire's daughters that survived to the five different end-points after the first calving.
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 | 0,010 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».