PSXII-23 Identification and evaluation of novel fertility traits using automated activity monitor data from commercial dairy herds
Notice bibliographique
Résumé
Abstract The reproductive performance of dairy herds is a determinant factor in their production efficiency and long-term profitability. While the genetic improvement of fertility in cows has been a top breeding objective, its success has been constrained by the low heritability of current traits and the negative impact of management practices on trait measurement accuracy. The recent development and adoption of automated sensor technologies, such as activity monitors, within dairy production systems have provided new opportunities to identify relevant and cost-effective phenotypes of fertility. To date, several activity-based measurements of estrus expression have been associated with fertility outcomes and may, therefore, be suitable predictors of female fertility. The objective of this study was to identify and evaluate novel estrus-related fertility traits using automated activity monitor (AAM) data from commercial dairy herds. A total of 8,730,987 records consisting of 10,529 estrus events were collected between January 2019 and March 2020 from 2,434 cows and 689 heifers of two U.S. commercial herds, where cows were fitted with collar-mounted accelerometers (Heatime, SCR Engineers Ltd., Netanya, Israel). The AAM dataset contained individual bi-hourly activity and rumination patterns, as well as computed fertility index scores, which were used to derive fertility traits related to estrus duration and intensity. The mean number of estrus events per cow and heifer was 4.06 ± 0.04 and 2.63 ± 0.07, respectively, with 1,408 of estruses resulting in pregnancy. Traditional fertility traits were calculated from the breeding record information of 3,255 animals. An estimation of the heritabilities along with genetic and phenotypic correlations between the novel estrus-related fertility traits and traditional fertility traits was undertaken using the program AIREML. Outputs from this project are expected to provide further insight on how to best use AAM measurements to improve selection for reproductive performance in commercial dairy herds.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».