MétaCan
Menu
Retour à la cohorte
Enregistrement W3211028031 · doi:10.21423/aabppro20114064

Validation of a Chemical Analysis Technique to Quantify β-hydroxybutyric Acid Concentration in Milk of Holstein Dairy Cows

2011· article· en· W3211028031 sur OpenAlexaff
J. Denis-Robichaud, Gianpiero Forte, J. Dubuc, D. Lefebvre, Luc DesCôteaux

Notice bibliographique

RevueAmerican Association of Bovine Practitioners Conference Proceedings · 2011
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueReproductive Physiology in Livestock
Établissements canadiensValacta (Canada)Université de Montréal
Organismes subventionnairesnon disponible
Mots-clésHerdKetone bodiesAnimal scienceIce calvingMedicineKetosisDairy cattlePregnancyLactationEndocrinologyBiologyMetabolismDiabetes mellitus

Résumé

récupéré en direct d'OpenAlex

Hyperketonemia is characterized by an increased concentration of circulating ketone bodies during the postpartum period of cows. A high prevalence of hyperketonemia in herds is associated with decreased milk production, decreased probability of pregnancy at first service, and increased risk of peripartum diseases. The gold standard diagnostic test for hyperketonemia is β-hydroxybutyric acid (BHBA) measurement in serum or plasma by a laboratory process. This technique requires money and time for sampling animals, which can be inconvenient for producers and veterinarians. Different cow-side tests have been developed to detect BHBA on blood or milk with variable accuracies. Skalar (Breda, Netherlands) designed a continuous flow analyzer (San++) that can be used to quantify BHBA in milk samples. The use of San++ may be a convenient way to determine the prevalence of hyperketonemia in a herd because the Dairy Herd Improvement Association (DHIA) samples milk from most herds every month. Unfortunately, little data is available regarding the accuracy of San++. Thus, the objective of this field study was to determine the accuracy of San++ for diagnosing hyperketonemia.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,128
Score d'incertitude au seuil0,331

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
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)0,0000,000

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 Opus0,025
Tête enseignante GPT0,258
Écart entre enseignants0,234 · 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'étudeExpérimental (laboratoire)
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
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Association of Bovine Practitioners Conference ProceedingsMême sujetReproductive Physiology in LivestockTravaux en français237 207