MétaCan
Menu
Retour à la cohorte
Enregistrement W2403460354 · doi:10.3168/jds.2016-10941

Prevalence and distribution of foot lesions in dairy cattle in Alberta, Canada

2016· article· en· W2403460354 sur OpenAlexafffundabout
L. Solano, Herman W. Barkema, Steve Mason, Edmond A. Pajor, S.J. LeBlanc, Karin Orsel

Notice bibliographique

RevueJournal of Dairy Science · 2016
Typearticle
Langueen
DomaineVeterinary
ThématiqueAnimal Behavior and Welfare Studies
Établissements canadiensUniversity of GuelphUniversity of Calgary
Organismes subventionnairesUniversity of Calgary
Mots-clésHerdClawHoofDairy cattleVeterinary medicineSkin lesionAnimal scienceFoot (prosody)LamenessUdderMedicineLesionBiologyMastitisSurgery

Résumé

récupéré en direct d'OpenAlex

The objectives of this cross-sectional study were to determine the prevalence and distribution of foot lesions and associated cow- and herd-level risk factors in dairy cows in Alberta, Canada. Foot lesion data were recorded electronically by 7 hoof trimmers on 28,607 cows in 156 dairy farms from June 2009 to November 2012. Foot lesion prevalence estimates differed between farms that had the whole herd trimmed at once (≥80% of lactating cows were trimmed; n=69 farms and 8,020 cows) and farms on which part of the herd was trimmed (selection of cows was determined by farmer and <80% of lactating cows were trimmed; n=87 and 20,587 cows). Estimates were consistently higher for the latter likely because farmers presumably prioritized lame cows in partial-herd trims. On farms with whole-herd trims, digital dermatitis was the most common lesion among all housing types, present in 15% of cows and 94% of herds. Sole ulcers and white line disease were detected in 6 and 4% of the cows and 92 and 93% of herds, respectively. Other infectious and claw horn lesions each affected 1 to 2% of cows and 62 to 78% of herds. Intraclass correlation coefficients for hoof trimmers ranged from 0.01 to 0.20 for all lesions, indicating some clustering of recorded lesions by trimmer. Multilevel mixed logistic regression models were constructed (including hoof trimmer as fixed and farm as random effects) for the 3 most frequently identified lesions. Prevalence of digital dermatitis decreased with increasing parity, but this effect interacted with days in milk (DIM); primiparous cows had higher odds of digital dermatitis in mid lactation (100-199 DIM) and late lactation (≥200 DIM) compared with cows at other stages of lactation. In contrast, prevalence of sole ulcers and white line disease increased with increasing parity; compared with cows in parity 1, those in parity 4 had 5 or 7 times higher odds of having these lesions, respectively. Cows in mid lactation and late lactation had higher odds of sole ulcers and white line disease than cows at other stages of lactation, regardless of parity. Digital dermatitis prevalence was 2 times higher in herds housed in barns with access to an exercise area. The odds of sole ulcers and white line disease were ≥2 times higher in cows housed in freestalls than those housed in deep-bedded packs. Therefore, preventive measures for control of digital dermatitis merit emphasis, especially in primiparous cows and on farms with exercise areas. In addition, improving housing environment by providing a deep-bedded area for older cows in mid lactation or late lactation could reduce prevalence of claw horn lesions. We inferred that foot lesion data recorded by hoof trimmers can provide useful information not only to develop effective foot health programs at herd level, but also for disease surveillance and genetic improvement at regional and national levels.

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)0,001
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 enseignants0,015
Score d'incertitude au seuil0,112

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,033
Tête enseignante GPT0,304
Écart entre enseignants0,271 · 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

Citations178
Publié2016
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Dairy ScienceMême sujetAnimal Behavior and Welfare StudiesTravaux en français237 207