MétaCan
Menu
Retour à la cohorte
Enregistrement W2795840631 · doi:10.3168/jds.2017-14320

Use of on-farm emergency slaughter for dairy cows in British Columbia

2018· article· en· W2795840631 sur OpenAlexaffabout
Katherine E. Koralesky, David Fraser

Notice bibliographique

RevueJournal of Dairy Science · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgriculture and Farm Safety
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésLamenessMedicineStunningDairy cattleIce calvingAnimal welfareAnimal scienceVeterinary medicineSurgeryPregnancyBiologyLactationInternal medicine

Résumé

récupéré en direct d'OpenAlex

On-farm emergency slaughter (OFES), whereby inspection, stunning, and bleeding occur on the farm before the carcass is transported to a slaughterhouse, is permitted in some jurisdictions as a means to avoid inhumane transportation while salvaging meat from injured animals. However, OFES is controversial and its use for dairy cows has been little studied. Inspection documents for 812 dairy cows were examined to identify how OFES was used for dairy cows in British Columbia, Canada, over 16.5 mo. Producers used OFES for dairy cows aged 1 to 13 yr (median of 4 yr). Leg, hip, nerve, spinal, foot, and hind-end injuries or conditions (in that order) were the most common reasons for OFES, and some cases may have been a consequence of calving. Foot conditions were disproportionately common among cows 5 yr and older, and hind-end conditions were disproportionately common among cows 6 yr and older. Producers used OFES promptly after traumatic injury (within 1 d) for some cows, but OFES was delayed for others, sometimes until cows had been nonambulatory for 2 to 6 d. In some cases, OFES was used for nontraumatic chronic conditions, such as lameness and hind-end weakness, rather than traumatic injuries such as fractures and dislocated hips. Use of OFES appears to conform to the purpose of the program when used promptly after traumatic injuries, but clear guidelines are needed to avoid inappropriate use and delays that may prolong animal suffering.

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 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)0,001
score de la tête « metaresearch » (Gemma)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,672
Score d'incertitude au seuil0,972

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,031
Tête enseignante GPT0,248
Écart entre enseignants0,217 · 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 tête enseignante, 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

Citations16
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Dairy ScienceMême sujetAgriculture and Farm SafetyTravaux en français237 207