MétaCan
Menu
Retour à la cohorte
Enregistrement W2624248262 · doi:10.2527/asasann.2017.881

881 Assessment of current musher practices across the sled dog industry

2017· article· en· W2624248262 sur OpenAlexaff
James R Templeman, Susan Mai, Anna‐Kate Shoveller

Notice bibliographique

RevueJournal of Animal Science · 2017
Typearticle
Langueen
DomaineVeterinary
ThématiqueVeterinary Orthopedics and Neurology
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésAthletesBusinessAgricultural scienceEnvironmental healthMarketingMedicineBiologyPhysical therapy

Résumé

récupéré en direct d'OpenAlex

A great deal of variation exists within the sled dog industry as a result of differences in training regimes, nutritional programs, and environmental management of these high-demand canine athletes. It is likely that these differences result in variable health and well-being. This study aimed to assess the current habits and practices in the sled dog industry using an online questionnaire circulated throughout the mushing community and anonymously accessed by 72 respondents. The questionnaire was developed based on guidelines set forth by mushing organizations established to facilitate communication and education among recreationalists, professional racers, and sled dog breeders. The questionnaire covered topics pertaining to the management of sled dogs, including nutritional programs, housing and training practices, the dogs' health and well-being, and the owners' overall knowledge of mushing practices. Nutritional programs for sled dogs remain a controversial area, with differences arising between mushers and researchers in terms of adequate dietary requirements. Although we have collected all the survey data, this report focuses on evaluating nutrition programs used among mushers and dietary management differences between the racing and off-seasons. The food type provided differed among mushers (P = 0.01) with combination diets (commercial food brand combined with homemade diet or raw meat) accounting for 62% of responses. The number of mushers feeding a combination diet was 27% greater during the racing season versus the off-season. The source of these homemade diet recipes differed (P < 0.0001), with 50% of mushers sourcing their diet recipes from experienced mushers rather than data-based scientific consultants (e.g., animal nutritionists, 16%; veterinarians, 6%; peer-reviewed journals, 3%). When ranking dietary nutrients based on importance, 85 and 95% of respondents considered fat and protein, respectively, to be the most important nutrients. A majority of mushers provided the same amount of feed (1–2 cups) and water (1–5 L) during the racing and off-seasons, even though dogs' nutrient demands and hydration requirements increase when racing. These results suggest that alterations in food and nutrient supply aimed at maximizing the health, well-being, and performance of sporting dogs should be examined. The data indicates that nutrition programs are largely tailored towards high-protein and -fat diet formulations, with too little attention paid towards nutritional balance of macro- and micronutrients and adequate hydration. This survey successfully identified a number of areas that require further controlled research to demonstrate potential benefits of individualized nutrition as well as environmental and athletic management.

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 enseignants0,002
Score d'incertitude au seuil0,006

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
Bibliométrie0,0010,001
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)0,0020,000

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 Opus0,245
Tête enseignante GPT0,534
Écart entre enseignants0,289 · 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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Animal ScienceMême sujetVeterinary Orthopedics and NeurologyTravaux en français237 207