Factors associated with leg cleanliness of smallholder dairy cows in Kenya
Notice bibliographique
Résumé
Dairy cow cleanliness provides information about animal welfare, along with risk of diseases and quality of housing environments. This study determined animal- and farm-level factors associated with upper hind leg cleanliness in smallholder dairy cows. All lactating cows (n=234) on 118 randomly selected zero-grazing fams participated in this cross-sectional study between May to August 2015 in the Naari area of Meru County, Kenya. Cleanliness scores of hind legs were assessed visually on a 1-4 ordinal scale (clean to very soiled). Potential risk factors for poor leg cleanliness were evaluated by inspection of cows and their housing, along with a questionnaire about herd management. Descriptive statistics, and univariable and multivariable logistic regression were used to determine factors associated with soiled legs (cleanliness score>2) in the analyses. Prevalence of soiled legs was 59.0% (137/234). In the final model, factors positively associated with soiled legs included failure of the knee wetness test on the stall floor (OR=11.2; 95%CI: 5.1, 24.7), animal restlessness in the stall (OR=4.9; 95%CI: 1.8, 13.5), and milk production in kg/cow/day (OR=1.09; 95%CI: 1.02, 1.16). Protective factors for soiled legs included having stalls without excessive space (OR=0.25; 95%CI: 0.11, 0.57), and having an intact stall roof (OR=0.34; 95%CI; 0.15, 0.76). Our results suggest that farmers should address both housing design (especially the roof and stall size) and management issues (especially stall cleanliness) to enhance leg cleanliness and animal welfare.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».