MétaCan
Menu
Retour à la cohorte
Enregistrement W2946785622 · doi:10.3168/jds.2018-16232

Short communication: The effects of regrouping in relation to fresh feed delivery in lactating Holstein cows

2019· article· en· W2946785622 sur OpenAlexafffund
Anne-Marieke C. Smid, Daniel M. Weary, E.A.M. Bokkers, M.A.G. von Keyserlingk

Notice bibliographique

RevueJournal of Dairy Science · 2019
Typearticle
Langueen
DomaineVeterinary
ThématiqueAnimal Behavior and Welfare Studies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesWageningen University and ResearchUniversity of British ColumbiaAgriculture and Agri-Food CanadaNatural Sciences and Engineering Research Council of CanadaZoetisDairy Farmers of Canada
Mots-clésMilkingAnimal scienceMilk productionChemistryBiology

Résumé

récupéré en direct d'OpenAlex

This study tested whether separating regrouping from the time of fresh feed delivery mitigated the effects of regrouping on cow behavior and milk production. Cows (n = 26) were individually introduced into a stable group of 11 animals/pen fed twice daily. Animals were randomly assigned to early regrouping (at 0300 h, approximately 10.5 h after fresh feed delivery and 3.5 h before the next fresh feed delivery) and late regrouping (between 0630 and 0730 h, coinciding with access to fresh feed). For 3 d, starting immediately after regrouping, video recordings continuously monitored feeding and perching (i.e., standing with the 2 front feet in the lying stall) behavior and displacements at the feed bunk. Data loggers were used to quantify lying time and the number of standing bouts; milk production was automatically recorded at each milking. Daily feeding and lying times and the number of standing bouts per day did not differ between treatments or experimental days. Daily perching time and the number of displacements at the feed bunk did not differ between treatments but decreased with experimental day. Average milk production on d 2 and 3 after regrouping (30.6 ± 1.5 kg/d) was lower than during the 3 d before regrouping (32.3 ± 1.5 kg/d), but we observed no effect of treatment on this decline. We conclude that regrouping at a time not associated with fresh feed delivery does not mitigate the negative effects of regrouping.

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,193
Score d'incertitude au seuil0,181

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 savante0,0000,001
Science ouverte0,0000,000
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 Opus0,037
Tête enseignante GPT0,326
Écart entre enseignants0,288 · 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

Citations18
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Dairy ScienceMême sujetAnimal Behavior and Welfare StudiesTravaux en français237 207