Association between Fur Animal Necrotizing Pyoderma in breeding farm mink (Neovison vison) and reduced fertility
Notice bibliographique
Résumé
BACKGROUND: The disease Fur Animal Necrotizing Pyoderma (FNP) has since 2000 been reported in many fur producing countries including Canada, Finland and Denmark. Development of FNP is characterised by rapidly forming treatment-resistant wounds on paws and in the head region. Economic losses related to FNP have been associated with mortality and decreased fur quality as well as increased veterinary costs. Also it has been suggested that FNP may be associated with reduced production results for breeding mink. The aim of this study was to evaluate if there is an association between FNP lesions in breeding animals and reduced production results based on a retrospective cohort study. RESULTS: 1465 breeding animals (244 males and 1221 females) were followed during the breeding season 2019 on five Danish mink farms. Two farms were removed from the analysis since no occurrence of FNP appeared in the observation group. After exclusion, 846 breeding animals (148 males and 698 females) remained in the analysis and were divided into two groups: exposed (EXP) or non-exposed (N-EXP) depending on the disease history of the males during mating. Females exposed to FNP positive males during breeding in average produce 14% fewer kits (P = 0.032) and these females were also more than double as likely to produce small litters (N ≥ 3) than N-EXP females. Female's from the EXP group were introduced more times to males than females in the N-EXP group (P = 0.0001, 2.5 more times in average). Females in the EXP group did not have a statistically higher risk of becoming barren (P = 0.138) though the relative risk of becoming barren was 77% higher after encountering a FNP male. CONCLUSIONS: This study shows that FNP has more economic losses for the farms than direct loss of animals. Females in contact with males with FNP lesion during breeding have a higher risk of becoming barren, and produce significantly fewer kits compared to females whom haven't been in contact with a FNP positive male.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».