MétaCan
Menu
Retour à la cohorte
Enregistrement W2972029849 · doi:10.3390/ani9090665

Understanding How Infrared Beak Treatment Affects the Beak Tissue and the Healing Response of Brown and White Feathered Layer Pullets

2019· article· en· W2972029849 sur OpenAlexaff
S. Struthers, Ashish Gupta, Susantha Gomis, Eugenia Herwig, K. Schwean-Lardner

Notice bibliographique

RevueAnimals · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Nutrition and Physiology
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésBeakSloughingBiologyHistologyAnatomyPathologyMedicineZoology

Résumé

récupéré en direct d'OpenAlex

Infrared beak treatment has less of a negative impact on laying hen welfare compared to other methods of beak treatment; however, it is still not fully understood how infrared beak treatment affects the beak tissue during the first few days post treatment. The objective of this study was to examine the histology of infrared beak treated vs. untreated beaks of 2 strains of layer chicks during early life. One-hundred Lohmann Brown-Lite (LB) and 100 Lohmann LSL-Lite (LW) chicks were obtained; 50 chicks per strain were infrared beak treated post hatch (IR) with the remainder being sham untreated controls (C). Data collected included presence of beak sloughing, length, and histology. Histology slides were analyzed and scored on a scale of 0 to 4, with 0 indicating no lesions and 4 indicating severe inflammation. Sloughing of the treated beak tissue began at 10 days and was complete by 20 days. IR pullets had shorter beak lengths once sloughing was initiated and less overall beak growth. No differences in healing scores were found between treated LB and LW beaks; all treated LB beaks were healed by 21 days while some LW beaks still showed inflammation. Overall, infrared beak treatment was effective at reducing beak growth post treatment. Healing occurred post treatment in both strains as evident by complete regeneration of the epithelium and a reduction in inflammation.

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)0,000
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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,971
Score d'incertitude au seuil0,144

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 recherche0,0000,000
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 Opus0,068
Tête enseignante GPT0,249
Écart entre enseignants0,180 · 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'étudeExpérimental (laboratoire)
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

Citations14
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnimalsMême sujetAnimal Nutrition and PhysiologyTravaux en français237 207