MétaCan
Menu
Retour à la cohorte
Enregistrement W3049635261 · doi:10.5539/jas.v12n9p1

Comparison of FTAI and Natural Service Breeding Programs on Beef Cow Reproductive Performance, Program Cost and Partial Budget Evaluation

2020· article· en· W3049635261 sur OpenAlexafffundvenue
H.A. Lardner, Daalkhaijav Damiran, Kathy Larson

Notice bibliographique

RevueJournal of Agricultural Science · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueReproductive Physiology in Livestock
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesMinistry of Agriculture - Saskatchewan
Mots-clésAnimal scienceArtificial inseminationWeaningInseminationSemenMedicineBiologyPregnancySpermAndrology

Résumé

récupéré en direct d'OpenAlex

The study compared a natural-service breeding (NSB) program to a single fixed-time artificial insemination (FTAI) program on beef cow reproductive efficiency, breeding costs and partial budget evaluation. Eighty Black Angus lactating beef cows (5-6 yrs of age; n = 80; BW = 599.4±78.6 kg) were randomly assigned by age, days postpartum to either FTAI (FTAI cow) or NSB (NSB cow) breeding program. The FTAI cows received a CIDR for 7 d and 100 μg (2 mL) i.m. injection of GnRH, following this 25 mg (5 mL) i.m. of PGF2α i.m. with CIDR removed. Then a second 25 mg (5 mL) i.m. injection of GnRH approximately 66 h (d 10) after initial injection to ensure luteal regression, and artificially inseminated with semen by a trained technician. The NSB cows were exposed to bulls at a bull:cow ratio of 1:25 for a 63 d breeding season. Results indicated that a NSB program can be a lower cost ($85 vs. $123) compared to FTAI program on a per cow basis. If improvements in conception rate, calf weaning rate, and total 205 d adjusted wean weights are incorporated, a partial budget analysis reveals FTAI can increase net profit by $284 per cow.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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)0,0020,000

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 Opus0,060
Tête enseignante GPT0,317
Écart entre enseignants0,257 · 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 source (Gemma direct ou Codex distillé), 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

Citations5
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetReproductive Physiology in LivestockTravaux en français237 207