Cow- and farm-level risk factors for lameness on dairy farms with automated milking systems
Notice bibliographique
Résumé
Lameness is a major concern to animal health and welfare within the dairy industry. Our objectives were to describe the prevalence of lameness in high-producing cows on farms with automated milking systems (AMS) and to identify the main risk factors for lameness at the animal and farm level. We visited 36 AMS farms across Canada and Michigan. Farm-level factors related to stall design, bedding use, flooring, and stocking rates were recorded by trained observers. Cows were scored for lameness, leg injuries, body condition (BCS), and body size (hip width and rump height; n=1,378; 25-40 cows/farm). Mean herd prevalence of clinical lameness was 15% (range=2.5-46%). Stall width relative to cow size and parity was found to be the most important factor associated with lameness. Not fitting the average stall width increased the odds of being lame 3.7 times in primiparous cows. A narrow feed alley [<430cm; odds ratio (OR)=1.9], obstructed lunge space (OR=1.7), a low BCS (OR=2.1 for BCS ≤2.25 compared with BCS 2.75-3.0), and presence of hock lesions (OR=1.6) were also identified as important risk factors for lameness. Only 1 of 36 farms had stalls of adequate width and length for the cows on their farm. For lameness prevention, it can be concluded that more emphasis needs be placed on either building stalls of appropriate width or selecting for smaller-framed cows that fit the existing stalls.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».