MétaCan
Menu
Retour à la cohorte
Enregistrement W2179236491 · doi:10.1139/cjas-2015-032

Injuries in horses transported to slaughter in Canada

2015· article· en· W2179236491 sur OpenAlexaffabout
Cyril Roy, M.S. Cockram, Ian R. Dohoo, Christopher B. Riley

Notice bibliographique

RevueBioOne Complete (BioOne) · 2015
Typearticle
Langueen
DomaineVeterinary
ThématiqueVeterinary Equine Medical Research
Établissements canadiensUniversity of Prince Edward Island
Organismes subventionnairesnon disponible
Mots-clésMedicineThermographyVeterinary medicineAnimal scienceBiology

Résumé

récupéré en direct d'OpenAlex

Roy, R. C., Cockram, M. S., Dohoo, I. R. and Riley, C. B. 2015. Injuries in horses transported to slaughter in Canada. Can. J. Anim. Sci. 95: 523-531. Horses transported in groups on long journeys to slaughter are at risk of injury. Injuries can occur following trauma and aggression from other horses. This study quantified injuries in 3940 horses from 150 loads that arrived at a slaughter plant in Canada. Surface injuries were quantified using visual assessment. Digital thermography was used to detect areas of raised surface temperature. Carcasses were assessed for bruising. Multivariable regression analysis was used to examine the associations between journey characteristics and the risk of injury. There was a significant association between journey duration and the number of horses per load with surface injuries (P<0.001). In 100 horses from 40 loads studied in detail, 33% had surface injuries identified by visual assessment, 48% had areas of raised surface temperature identified by thermography and 72% had bruising identified by carcass assessment. The levels of agreement between identification of injury by thermography and that by identification of visible injuries and carcass bruising were low. Pre-transport assessments could not be performed and hence injuries could not be linked causally to the transport conditions alone. However, the detailed assessments of injury and the use of multivariable regression analysis showed that long journeys were associated with injuries.

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,042
Score d'incertitude au seuil0,126

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0020,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,581
Tête enseignante GPT0,343
Écart entre enseignants0,238 · 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

Citations17
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBioOne Complete (BioOne)Même sujetVeterinary Equine Medical ResearchTravaux en français237 207