MétaCan
Menu
Retour à la cohorte
Enregistrement W2606049286 · doi:10.3168/jds.2016-12334

Incidence of clinical mastitis and distribution of pathogens on large Chinese dairy farms

2017· article· en· W2606049286 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJournal of Dairy Science · 2017
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueMilk Quality and Mastitis in Dairy Cows
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésStreptococcus dysgalactiaeStreptococcus agalactiaeMastitisStreptococcus uberisVeterinary medicineHerdIncidence (geometry)BiologyCoagulaseStaphylococcus aureusMicrobiologyStaphylococcusStreptococcusMedicineBacteria

Résumé

récupéré en direct d'OpenAlex

Knowledge of the incidence of clinical mastitis (CM) and the distribution of pathogens involved is essential for development of prevention and control programs as well as treatment protocols. No country-wide study on the incidence of CM and the distribution of pathogens involved has been conducted in China. Core objectives of this study were, therefore, to determine the cumulative incidence of CM and the distribution of pathogens causing CM on large Chinese (>500 cows) dairy farms. In addition, associations between the distribution of CM pathogens and bedding materials and seasonal factors were also investigated. Bacterial culture was done on a total of 3,288 CM quarter milk samples from 161 dairy herds (located in 21 provinces) between March 2014 and September 2016. Additional data, including geographical region of herds, herd size, bedding types, and number of CM cases during the last month, were also recorded. Mean cumulative incidence of CM was 3.3 cases per 100 cows per month (range = 1.7 to 8.1). The most frequently isolated pathogens were Escherichia coli (14.4%), Klebsiella spp. (13.0%), coagulase-negative staphylococci (11.3%), Streptococcus dysgalactiae (10.5%), and Staphylococcus aureus (10.2%). Streptococcus agalactiae was isolated from 2.8% of CM samples, whereas Streptococcus uberis were isolated from 2.1% of samples, and 15.8% of 3,288 samples were culture-negative. Coagulase-negative staphylococci, E. coli, and other Enterobacter spp. were more frequently isolated in the northwest than the northeast or south of China. Streptococcus dysgalactiae, other streptococci, and Strep. agalactiae were more frequently isolated in winter (October-March), whereas E. coli and Klebsiella spp. were mostly isolated in summer (April-September). Streptococcus dysgalactiae was more often isolated from CM cases of herds using sand bedding, whereas Klebsiella spp. and other streptococci were more common in herds using organic bedding. The incidence of CM and distribution of pathogens differed among herds and better mastitis management is needed. Furthermore, geography, bedding materials, and season should be included when designing mastitis control and prevention schemes for Chinese dairies.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,193
Score d'incertitude au seuil0,450

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,047
Tête enseignante GPT0,342
Écart entre enseignants0,295 · 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