MétaCan
Menu
Retour à la cohorte
Enregistrement W2187289410 · doi:10.3390/ani5040411

Models and Methods to Investigate Acute Stress Responses in Cattle

2015· article· en· W2187289410 sur OpenAlexafffund
Yi Chen, Ryan J. Arsenault, Scott Napper, Philip Griebel

Notice bibliographique

RevueAnimals · 2015
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueEffects of Environmental Stressors on Livestock
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health ResearchMinistry of Agriculture - Saskatchewan
Mots-clésStressorLivestockAnimal productionAnimal modelFight-or-flight responseStress (linguistics)DiseasePsychologyRisk analysis (engineering)BiotechnologyBiologyMedicineClinical psychologyEcology

Résumé

récupéré en direct d'OpenAlex

There is a growing appreciation within the livestock industry and throughout society that animal stress is an important issue that must be addressed. With implications for animal health, well-being, and productivity, minimizing animal stress through improved animal management procedures and/or selective breeding is becoming a priority. Effective management of stress, however, depends on the ability to identify and quantify the effects of various stressors and determine if individual or combined stressors have distinct biological effects. Furthermore, it is critical to determine the duration of stress-induced biological effects if we are to understand how stress alters animal production and disease susceptibility. Common stress models used to evaluate both psychological and physical stressors in cattle are reviewed. We identify some of the major gaps in our knowledge regarding responses to specific stressors and propose more integrated methodologies and approaches to measuring these responses. These approaches are based on an increased knowledge of both the metabolic and immune effects of stress. Finally, we speculate on how these findings may impact animal agriculture, as well as the potential application of large animal models to understanding human stress.

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)0,004
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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,002
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0070,004

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 Opus0,064
Tête enseignante GPT0,324
Écart entre enseignants0,260 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

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

En bref

Citations148
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAnimalsMême sujetEffects of Environmental Stressors on LivestockTravaux en français237 207