MétaCan
Menu
Retour à la cohorte
Enregistrement W2768033790 · doi:10.2527/tas2017.0052

Economic impacts of lameness in feedlot cattle1

2017· article· en· W2768033790 sur OpenAlexafffundabout
Jessica Davis-Unger, Edmond A. Pajor, K. S. Schwartzkopf-Genswein, Sònia Martí, Craig Dorin, Eldon Spackman, Karin Orsel

Notice bibliographique

RevueTranslational Animal Science · 2017
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Disease Management and Epidemiology
Établissements canadiensAgriculture and Agri-Food CanadaUniversity of Calgary
Organismes subventionnairesAgriculture and Agri-Food Canada
Mots-clésFeedlotLamenessFeeder cattleAnimal scienceBeef cattleCattle DiseasesMedicineVeterinary medicineLivestockAnimal healthBiologySurgeryEcology

Résumé

récupéré en direct d'OpenAlex

Abstract Lameness is an important health issue in feedlot cattle; however, there is a paucity of information regarding its economic impact. Decision tree models are excellent tools for assessing costs of disease such as the net return (net return = benefit – cost). Models were developed using expert opinion, literature and retrospective feedlot data provided by Vet-Agri Health Services (VAHS, Airdrie, Alberta, Canada) collected from 2005 to 2015 on individually treated cattle (n = 30,940) from 28 feedlots. The objective was to estimate net return of various lameness diagnoses and impacts of cattle type, season of treatment, and extreme high and low cattle prices. Cattle were diagnosed as lame according to the following categories: foot rot, foot rot in heavy cattle (BW > 363 kg at treatment), injury, lame with no visible swelling, and joint infection. Records consisted of arrival and treatment weight, cost of treatment, and cattle deaths. Records included cattle types classified as: fall calves (heifer and steer), winter calves (heifer and steer) and yearling cattle (heifer and steer). Lastly, variables ADG, days on feed (DOF), and Season (spring, summer, fall, and winter) were created. Models estimated net return using cattle slaughter prices for healthy cattle that reached a slaughter weight of 635 kg and for three possible outcomes for each diagnosis after final treatment: cattle that recovered after treatment and reached a slaughter weight of 635 kg; cattle that were removed before they reached slaughter weight; or cattle that died. Compared to undiagnosed cattle with 1.36 kg/d ADG, cattle diagnosed with foot rot and foot rot heavy cattle had the highest ADG until first treatment (1.14 and 1.57 kg/d, respectively) and differed significantly (P < 0.05) compared to cattle diagnosed with injuries (0.87 kg/d), lame with no visible swelling (0.64 kg/d), and joint infections (0.53 kg/d). Yearling steers had the most positive returns compared to all other cattle types. Cattle with lighter arrival weight had lower ADG and increased economic losses after treatment compared to heavier weighted cattle on arrival. Based on average slaughter prices over a 10-yr period for healthy cattle, return was $690. Return after final treatment for cattle with foot rot was $568, foot rot in heavy cattle was $695, and injury was $259. However, joint infections and lame with no visible swelling had negative returns of –$286 and –$701, respectively.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,061
Score d'incertitude au seuil0,122

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,043
Tête enseignante GPT0,296
Écart entre enseignants0,253 · 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

Citations35
Publié2017
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueTranslational Animal ScienceMême sujetAnimal Disease Management and EpidemiologyTravaux en français237 207