Connecting farmer mental health with cow health and welfare on dairy farms using robotic milking systems
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract The objective of this exploratory, preliminary study was to survey dairy farmers using robotic milking systems to better understand their mental health and potential connections to their cow health and welfare. Only farms using robotic milking systems in Ontario, Canada were visited for collection of data on management practices, cow welfare, and milk production and quality. Those farmers also completed an online survey that included validated psychometric scales used to assess resilience, stress, anxiety, and depression; results from 28 farms were analysed. Thirty cows per farm (or 30% for herds > 100 milking cows) were scored for body condition (five-point scale: 1 = thin to 5 = over-conditioned) and lameness (five-point scale: 1 = sound to 5 = lame); cows with a Body Condition Score ≤ 2.5 and lameness score ≥ 4 were defined as under-conditioned and severely lame, respectively. Farmer stress was positively associated with severe lameness prevalence, was greater for females vs males, and was greater for those feeding manually vs using an automated feeder. Anxiety and depression were greater for females vs males, and for those working alone, feeding manually, and with lesser milk protein percentage. Anxiety was also positively associated with the prevalence of severe lameness. Resilience was greater for those with automated feeding systems, but tended to be negatively associated with milk yield per robot and positively associated with milk somatic cell count. This is the first study to identify associations between farmer well-being and cow lameness, udder health, and milk yield. With future research, we can better understand this relationship to improve the well-being of both agricultural animals and their caretakers.
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.
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 | 0,000 |
| Études des sciences et des technologies | 0,002 | 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) | 0,000 | 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 découle