Bio-economic and operational feasibility of introducing oestrus synchronization and artificial insemination in simulated smallholder sheep breeding programmes
Notice bibliographique
Résumé
Low selection intensity due to few selection candidates available at any one time due to thinly spread year-round lambings in villages and prohibitively large nucleus requirements to provide sufficient improved rams to the production tier are the major challenges for designing effective village-based and central nucleus-based breeding programmes, respectively, for smallholder sheep farmers. To tackle these challenges, we used deterministic simulation to design three schemes in village-based programmes introducing hormonal oestrus synchronization (natural oestrus (VNE), single oestrus synchronization (VSE1) and double oestrus synchronization (VSE2)) and three schemes in central nucleus programme introducing artificial insemination (AI) (natural mating with nucleus sizes of 5% (CNM1) and 1% (CNM2) of the total ewe population and natural mating in breeding tier and AI in production tier (CAI)). The schemes were evaluated for their bio-economic and operational feasibility, taking Bonga sheep of Ethiopia as a case study. The selection intensities achieved in VNE, VSE1 and VSE2 were 2.0, 2.3 and 2.4, respectively, for selecting rams for the breeding tier and 0.0, 0.8 and 1.0, respectively, for the production tier. The profits per ewe per year from VNE, VSE1 and VSE2 were Birr 12.2, 21.7 and 24.5, but the profit from VNE for the production tier was zero. CAI generated more genetic gains in the breeding objective (Birr 4.8) than CNM1 (Birr 2.5) and CNM2 (Birr 0.0) in the production tier. However, CAI was less profitable than CNM1 and CNM2. In conclusion, hormonal oestrus synchronization was found to be a feasible technological aide to accelerate genetic progress in village-based programmes. CNM1 and CNM2 could not be recommended as CNM1 requires large nucleus of 10 325 ewes and CNM2 results in zero genetic gain in the production tier. CAI could overcome the challenge in central nucleus programmes, namely unaffordable large nucleus, but the scheme needs to be subsidized by the public sector to be economically feasible for farmers.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».