Farmers' Perceptions About Health and Welfare Issues in Turkey Production
Notice bibliographique
Résumé
Farmers play an essential role in the management of animals and ensuring their health and welfare. However, relatively little is known about the health and welfare-related issues farmers themselves find important in the turkey sector. As part of a larger study, a cross-sectional survey of turkey farmers was conducted in Canada to identify the main perceived reasons for culling, mortality, and carcass condemnations in their flocks. Additionally, farmers were asked to rate the importance of different health and welfare-related issues (i.e., mortality, aggressive pecking, disease, leg injuries, leg deformities, breast injuries, and varying body size) during their summer and winter production, as well as for the sector as a whole. A total of 83 responses were analyzed (response rate 20%). The most frequently mentioned reasons for the culling of turkeys included leg-related issues (90.0%), sickness (60.5%), and small body size (58.0%). The perceived reasons for mortality were most often unknown (59.7%), or related to cannibalism (41.6%) or dehydration (42.9%). The main reasons for carcass condemnations at processing were related to skin (33.8%) or subcutaneous conditions (64.7%). Leg deformities and mortality were considered the biggest issues for the turkey production sector. In general, farmers rated items as more of an issue when the question pertained to the sector as a whole rather than to their farm. These results increase our understanding of the health and welfare-related problems in turkey production that farmers find important. This can ultimately help focus research efforts in addressing these issues through improved management adaptations or breeding approaches, thereby improving both the well-being of farmers and birds.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| 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 ».