Evaluation of Growth Curve Models for Body Weight in American Mink
Notice bibliographique
Résumé
Modelling the growth curves of animals is important for optimizing the management and efficiency of animal production; however, little is known about the growth curves in American mink (Neovison vison). The study evaluated the performances of four three-parameter (Logistic, Gompertz, von Bertalanffy, and Brody), four four-parameter (Richards, Weibull, Bridges, and Janoscheck) and two polynomial models for describing the growth curves in mink. Body weights were collected from the third week of life to the week 31 in 738 black mink (373 males and 365 females). Models were fitted using the nls and nlsLM functions in stats and minpack.lm packages in R software, respectively. The Akaike’s information criterion (AIC) and Bayesian information criterion (BIC) were used for model comparison. Based on these criteria, Logistic and Richards were the best models for males and females, respectively. Four-parameter models had better performance compared to the other models except for Logistic model. The estimated maximum weight and mature growth rate varied among the models and differed between males and females. The results indicated that males and females had different growth curves as males grew faster and reached to the maximum body weight later compared to females. Further studies on genetic parameters and selection response for growth curve parameters are required for development of selection programs based on the shape of growth curves in mink.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».