Identification of animal-based traits as indicators of production diseases in pigs
Notice bibliographique
Résumé
Production diseases induce loss of performance associated with the reduction in growth, feed efficiency and product quality, and increase in mortality and morbidity. This impacts on the profitability of a pig farm and goes against citizen acceptability of animal production. This study consisted of a systematic review of the published literature on production diseases affecting digestive, locomotory, and respiratory systems in pigs. It aimed to quantify the effect of these diseases on traits used to measure animal response. Data were extracted from 67 peer-reviewed publications selected from 2,339 records that resulted from an exhaustive online keyword search using a search engine. Traits were classified as productive traits (growth), behavioural, carcass (composition or dimensions), biochemical (concentration of a marker), and molecular traits for measures relative to DNA, RNA and protein expression. A meta-analysis based on mixed models was performed on traits assessed more than 5 times across studies, using the package metafor of the R software. A total of 524 unique traits were recorded 1 to 31 times in a variety of sample material including blood, muscle, articular cartilage, bone, or at the level of the animal for productive traits. No behavioural traits were recorded overall from the included experiments. 17 traits were measured more than five times across studies. The heterogeneity (I2) within these traits and across studies was low (I2=0%) for Crypt depth, Inflammatory biomarkers, and Cytokines such as Interleukine (IL) 6 and 8 and high for Feed conversion ratio, Melatonin and other cytokines, such as IL 1-beta and tumor necrosis factor alpha (I2>60%). The traits mostly affected by the diseases were molecular and biochemical traits, specifically the inflammatory biomarkers Haptoglobin and Fibrinogen with effect sizes of 3.0 (Confidence interval (CI) 1.62-4.38) and 2.9 (CI 1.81-4.0), and cytokines such as IL 6 and 8, with effect sizes of 2.65 (CI 1.46-3.84) and 2.75 (CI 2.08-3.43), respectively. Average daily weight gain showed a summary effect size of -1.98 (CI -2.65 to -1.31) across studies. These traits can be considered as potential tools for the prognosis of production diseases or conversely to characterize healthy animals.
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 | 0,012 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,012 |
| Bibliométrie | 0,014 | 0,010 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».