MétaCan
Menu
Retour à la cohorte
Enregistrement W2551648577 · doi:10.2527/jam2016-0073

0073 Association between rumination behavior, milk yield, and milk composition in dairy cows kept on commercial farms

2016· article· en· W2551648577 sur OpenAlexaffabout
T. Miedema, T.J. DeVries

Notice bibliographique

RevueJournal of Animal Science · 2016
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueEffects of Environmental Stressors on Livestock
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésRuminationMilkingRuminatingHerdAnimal scienceAutomatic milkingTotal mixed rationDairy cattleComposition (language)UdderLactationIce calvingBiologyMathematicsMastitisPregnancy

Résumé

récupéré en direct d'OpenAlex

Automatic sensors are able to give an accurate indication of the duration of time that dairy cows spend ruminating, allowing for collection of rumination data on cows kept in commercial environments. The objective of this study was to associate rumination behavior with milk yield and milk composition for lactating dairy cows kept in commercial operations. In this study, 8 commercial dairy farms in Eastern Ontario, Canada, were recruited for participation. Selection criteria included: free-stall housing, parlor milking, >90 lactating cows in the herd, primarily have Holstein-Friesian genetics, participated in a DHI program, and fed a TMR. Chosen farms had a mean herd size of 187 cows (range: 95 to 419 cows), mean adjusted 305-d milk yield of 11,228 kg (range: 9787 to 13,006 kg), and a geometric mean annual bulk milk SCC of 162,000 cells/mL (range: 145,000 to 172,000 cells/mL). Rumination time for 30 cows/herd was monitored using an automated rumination monitoring system. In total, the rumination activity of 240 lactating Holstein cows (57 ± 29 DIM) was monitored for 6 d and associated, in a multivariable general linear mixed model, with their production data (as measured by the closest in time DHI test, on average ± 3.5 d from the day of rumination sensor placement), controlling for farm, parity, DIM, body condition score, and dietary (TMR) characteristics (nutrient content and particle size). Across cows, rumination time averaged 506 ± 85 min/d (mean ± SD), milk yield averaged 44.7 ± 10.2 kg/d, milk fat averaged 3.69 ± 0.54%, and milk protein averaged 2.97 ± 0.24%. Rumination time increased with cow parity (P < 0.001) and tended (P = 0.09) to be positively associated with the percentage of long particles (>19 mm) in the TMR fed to the cows (+10.0 ± 5.5 min/d rumination time per 5% increase in long particles). Milk yield increased with cow parity (P < 0.001), milking 3 vs. 2 (+4.5 ± 2.3 kg/d; P = 0.05), and was positively associated with rumination time (+0.2 ± 0.07 kg milk per 10 min increase in rumination time per d; P = 0.01). Rumination activity was not associated with milk fat content, and tended (P = 0.08) to be quadratically associated with milk protein content. In summary, the results of this study demonstrate that rumination time, as measured on lactating cows on commercial dairy farms, could indicative of milk yield; however, it showed less consistent association with milk components.

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)0,000
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 enseignants0,134
Score d'incertitude au seuil0,266

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,021
Tête enseignante GPT0,252
Écart entre enseignants0,231 · 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

Citations0
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Animal ScienceMême sujetEffects of Environmental Stressors on LivestockTravaux en français237 207