MétaCan
Menu
Retour à la cohorte
Enregistrement W2933857058 · doi:10.1038/s41598-019-41798-7

Calf aversion to hot-iron disbudding

2019· article· en· W2933857058 sur OpenAlexafffund
Thomas Ede, Benjamin Lecorps, M.A.G. von Keyserlingk, Daniel M. Weary

Notice bibliographique

RevueScientific Reports · 2019
Typearticle
Langueen
DomaineVeterinary
ThématiqueAnimal Behavior and Welfare Studies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaGovernment of Canada
Mots-clésCauterizationMedicineAnesthesiaSurgery

Résumé

récupéré en direct d'OpenAlex

Dairy calves are routinely disbudded by cauterization with a hot iron. To mitigate the intra-operative and initial post-operative pain associated with this procedure some farmers provide calves general and local anesthetics, but it is unknown if the procedure remains aversive. We used a place-conditioning paradigm to assess aversion caused by hot-iron cautery with a local anesthetic compared to a sham procedure. A test area was divided into three equally sized pens: two 'treatment' pens with distinct visual cues were connected by a central 'neutral' pen. Each calf went through the disbudding procedure and a 6-h recovery period in one treatment pen and the control procedure in the other treatment pen. In three tests (48, 72 and 96 h after the second treatment), calves could freely roam among the pens until they chose to lie down, ending the session. Calves spent less time in either of the treatment pens compared to the central pen. When only comparing the two treatment pen, calves spent less time in the disbudding pen, especially during the first test. Calves were also less likely to lie down in the pen associated with the disbudding procedure. We conclude that even with the use of a local anesthetic, hot-iron disbudding is salient and aversive for calves, indicating the need to refine or avoid the procedure.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,034
Tête enseignante GPT0,314
Écart entre enseignants0,280 · 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 source (Gemma direct ou Codex distillé), 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

Citations36
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetAnimal Behavior and Welfare StudiesTravaux en français237 207