MétaCan
Menu
Retour à la cohorte
Enregistrement W3010486165

Achieving humane outcomes in killing livestock by free bullet I: Penetrating brain injury.

2019· article· en· W3010486165 sur OpenAlexaff
Terry L Whiting, Dennis Will

Notice bibliographique

RevuePubMed · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueTraumatic Ocular and Foreign Body Injuries
Établissements canadiensResearch Manitoba
Organismes subventionnairesnon disponible
Mots-clésRifleAmmunitionForensic engineeringHumanitiesEngineeringHistoryPhilosophyArchaeologyMechanical engineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Humane killing of farm animals by free bullet is a commonly used second-best option in emergency situations and disease control operations. Theoretical justification has been weak in experimental reports of firearm system use in the field. Veterinarians require an in-depth understanding of killing with free bullet to take corrective action when systems fail under field application. This review describes the technical considerations in choosing safe, effective firearm systems to effectively kill minimally restrained livestock at close range. Frequently referenced firearm/bullet recommendations are excessively powerful and unnecessarily hazardous. Based on ballistic energetic performance and mechanical design, the rifle chambered for low energy pistol ammunition, using non-toxic controlled expanding bullets, has the technical capability to deliver immediate insensibility and death at a distance of 5 m or less. At 1 m distance, the .410 shotgun with steel or porcelain shot meets the environmental safety, ballistic, and mechanical challenges and has workplace safety advantages over rifle-based systems.

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 enseignants0,018
Score d'incertitude au seuil0,719

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,015
Tête enseignante GPT0,248
Écart entre enseignants0,233 · 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

Citations7
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetTraumatic Ocular and Foreign Body InjuriesTravaux en français237 207