Using body measurements to estimate body weight in gilts
Notice bibliographique
Résumé
The absence of a scale on pig farms has led to indirect body weight (BW) estimation using regression models based on body measurements. The objectives of the present study were to (1) develop prediction equations for weight estimation in gilts using body measurements (FF: flank-to-flank distance; L: length; HG: heart girth; BF2: ultrasound backfat measurement; LD: loin depth; and BCS: body condition score) and (2) validate the use of an existing prediction equation for BW in gilts (HG 2 × L × 69.3 = HGLW), only used for finishing pigs. Data set A (derivation, Large White × Landrace) included 42 gilts at first insemination, 45 gilts at the end of first gestation, and 58 gilts at weaning. Data set B (validation, Large White × Landrace) comprised of 14 gilts at first insemination, 15 gilts at the end of first gestation, and 19 gilts at weaning. Models were developed for each physiological state but a better BW prediction was obtained from an overall model, including an adjustment for physiological state (S1 and S2): −168.89 +1.06L +1.28HG +58.02S1 +33.03S2 +10.92BCS −1.10BF2 (adjusted R 2 = 0.90). This model was validated under conditions found in the present study. Estimations using HGLW showed greater residual means than regression models.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».