Recommendations for Abnormal Behaviour Ethograms in Monkey Research
Notice bibliographique
Résumé
Laboratory monkey ethograms currently include subcategories of abnormal behaviours that are based on superficial morphological similarity. Yet, such ethograms may be misclassifying behaviour, with potential welfare implications as different abnormal behaviours are likely to have distinct risk factors and treatments. We therefore investigated the convergent validity of four hypothesized subcategories of abnormal behaviours (‘motor’, e.g., pacing; ‘self-stimulation’, e.g., self-sucking; ‘postural’, e.g., hanging; and ‘self-abuse’, e.g., self-biting). This hypothesis predicts positive relationships between the behaviours within each subcategory. Rhesus macaque (Macaca mulatta) data on 19 abnormal behaviours were obtained from indoor-housed animals (n = 1183). Logistic regression models, controlling for sex, age, and the number of observations, revealed that only 1/6 ‘motor’ behaviours positively predicted pacing, while 2/3 ‘self-abuse’ behaviours positively predicted self-biting (one-tailed p-value < 0.05). Furthermore, ‘self-stimulation’ behaviours did not predict self-sucking, and none of the ‘postural’ behaviours predicted hanging. Thus, none of the subcategories fully met convergent validity. Subsequently, we created four new valid subcategories formed of comorbid behaviours. The first consisted of self-biting, self-hitting, self-injurious behaviour, floating limb, leg-lifting, and self-clasping. The second comprised twirling, bouncing, rocking, swinging, and hanging. The third comprised pacing and head-twisting, while the final subcategory consisted of flipping and eye-poking. Self-sucking, hair-plucking, threat-biting, and withdrawn remained as individual behaviours. We encourage laboratories to replicate the validation of these subcategories first, and for scientists working with other species to validate their ethograms before using them in welfare assessments.
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 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 | 0,001 | 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 | 0,000 | 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) | 0,005 | 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 tête enseignante, 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 ».