MétaCan
Menu
Retour à la cohorte
Enregistrement W3094245542 · doi:10.11575/prism/5448

Prevalence, risk factors, and economic costs of beef cattle lameness in southern Alberta feedlots

2018· dissertation· en· W3094245542 sur OpenAlexaboutno aff
Jessica Davis-Unger

Notice bibliographique

RevuePRISM (University of Calgary) · 2018
Typedissertation
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Disease Management and Epidemiology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLamenessBeef cattleGeographyBusinessAnimal scienceAgricultural economicsForestryMedicineBiologyEconomicsSurgery

Résumé

récupéré en direct d'OpenAlex

Lameness, an important health and welfare concern with negative impacts on production, performance, and profitability of feedlot cattle is a multi-faceted issue that is not fully understood. Objectives were to identify the prevalence of lameness, related risk factors, explore associations between BRD and lameness, and estimate net return of various lameness diagnoses. Estimated lameness prevalence was 32% (range, 1.3 to 46%) from cattle health records at 28 feedlots from 2005 to 2015. Fall-placed calves were more at risk of lameness with no swelling compared to yearling cattle that were at risk of foot rot diagnosis. Heifers were at a higher risk of lameness compared to steer cattle types. Cattle with chronic lameness were at a higher risk of subsequently developing BRD. Furthermore, cattle with joint infections and lameness with no swelling had negative returns of $-286 and $-701, respectively. Therefore, lameness was a common and costly disorder in Alberta feedlots.

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)0,000
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 enseignants0,062
Score d'incertitude au seuil0,983

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0010,000

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 Opus0,011
Tête enseignante GPT0,200
Écart entre enseignants0,189 · 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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePRISM (University of Calgary)Même sujetAnimal Disease Management and EpidemiologyTravaux en français237 207