Approach-aversion in calves following injections
Notice bibliographique
Résumé
We assessed aversion to injections using an avoidance-learning paradigm. Holstein calves (n = 24) were randomly assigned to one of four routes of administration for 0.5 ml of saline: intramuscular (IM), intranasal (IN), subcutaneous (SC) and a null control. Calves were first trained to approach a milk reward of 1 L. Once the latency to approach the reward was consistent, calves received their assigned treatment when approaching the bottle. For the first 3 treatment sessions calves received a 1 L milk reward. This reward was then reduced to 500 mL, and then to 250 mL, and finally to 0 mL, each for 3 sessions. Compared to control calves, calves receiving the intramuscular injections showed a longer latency to approach the milk reward, but only when the milk reward was 0.25 L (P = 0.05) and 0 L (P < 0.01). Calves receiving the intranasal injections showed longer latencies relative to the controls only for the 0 L reward (P = 0.01). Calves receiving the subcutaneous injections did not differ from controls for any of the milk rewards (P > 0.2). We conclude that IM injections are aversive and that SC and IN routes are a refinement to be considered when feasible.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».