Evaluation of bovine artificial inseminating technique among two herdsman inseminators in the state of Mato Grosso do Sul
Notice bibliographique
Résumé
O uso da inseminação artificial (IA) em bovinos determina maior eficiência em programas de melhoramento genético e aumento dos ganhos na produção animal. Sob esse aspecto, o inseminador tem um papel relevante, onde sua destreza na condução da técnica de IA poderá influenciar nos resultados. O presente estudo teve por objetivo avaliar a técnica de inseminação artificial entre dois inseminadores. O experimento foi conduzido em uma propriedade localizada no município de Pedro Gomes, Estado do Mato Grosso do Sul. A técnica dos inseminadores (A e B) foi avaliada em um rebanho de 206 fêmeas bovinas aptas a reprodução, sendo utilizado o método Trimberger para a IA, por um período de 38 dias. O sêmen utilizado foi avaliado por exame andrológico antes da estação de monta. Todos os procedimentos referentes ao manejo dos animais e técnica da IA que antecede a inseminação foram padronizados. O diagnóstico de gestação foi realizado por palpação transretal 60 dias após a inseminação do último animal. Houve diferença estatisticamente significante entre os inseminadores, (p= 0,0017), sendo que o inseminador A obteve maior sucesso após a realização de 172 procedimentos de IA com resultados de 146 (84,9%) vacas prenhes, enquanto, o inseminador B realizou 34 inseminações e obteve 21 (61,8%) vacas prenhes. O inseminador A apresenta 3,47 vezes mais chances de obter êxito na técnica de inseminação que o inseminador B. Concluí-se que houve melhor aproveitamento da técnica de inseminação artificial pelo inseminador A, obtendo a maior taxa de concepção em relação ao inseminador B.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».