Multi-Stakeholder Focus Groups on Potential for Meat Inspection Data to Inform Management of Pig Health and Welfare on Farm
Notice bibliographique
Résumé
Meat inspection (MI) findings can act as a valuable source of information on pig health and welfare. The PIG WELFare INDicators (PIGWELFIND) project (Research Stimulus Fund 11/S/107) was developed to progress the development of ante and post mortem MI as a pig health and welfare diagnostic tool in Ireland. Three multi-stakeholder focus groups were organized to explore areas of conflict and agreement between stakeholders’ vision for including pig health and welfare indicators in MI and on how to achieve this vision. Each focus group consisted of eight stakeholders: pig producers, Teagasc pig advisors, pig processors, veterinarians involved in MI, private veterinary practitioners, and personnel with backgrounds in general animal health and welfare and food safety policy. In general, stakeholders expressed positive attitudes towards the use of MI data to inform pig health and welfare when standardization of recording and feedback is improved, and the MI system provides real-time benchmarking possibilities. Most emphasis was placed on health indicators as a first priority, while it was felt that welfare-related indicators could be included after practical barriers had been addressed (i.e., line speed/feasibility, standardization and training of meat inspectors, data ownership). Recommendations are made to further progress the development of MI as a pig health and welfare diagnostic tool and address some of these barriers.
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 ».