MétaCan
Menu
Retour à la cohorte
Enregistrement W4206576889 · doi:10.3389/fvets.2021.757776

The Prevalence of Integument Injuries and Associated Risk Factors Among Canadian Turkeys

2022· article· en· W4206576889 sur OpenAlexafffundabout
Emily M. Leishman, Nienke van Staaveren, V.R. Osborne, Benjamin J. Wood, Christine F. Baes, Alexandra Harlander-Matauschek

Notice bibliographique

RevueFrontiers in Veterinary Science · 2022
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Nutrition and Physiology
Établissements canadiensUniversity of Guelph
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaGovernment of CanadaOntario GenomicsOntario Genomics InstituteGenome Canada
Mots-clésFlockLogistic regressionVeterinary medicineFeather peckingRumpDemographyPecking orderMedicineEnvironmental healthBiologyAnimal scienceEcologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Injurious pecking can cause a wide range of damage and is an important welfare and economic issue in turkey production. Aggressive pecking typically targets the head/neck (HN) area, and feather pecking typically targets the back/tail (BT) area; injuries in these separate areas could be used as a proxy for the level of aggressive and feather pecking in a flock. The objective of this study was to identify risk factors for integument injuries in Canadian turkey flocks. A survey containing a questionnaire about housing and management practices and a scoring guide was distributed to 500 turkey farmers across Canada. The farmer scored pecking injuries in two different body areas (HN and BT) on a 0–2 scale on a subset of birds within each flock. Multivariable logistic regression modeling was used to identify factors associated with the presence of HN and BT injuries. The prevalence of birds with integument injuries ranged widely between the flock subsets (HN = 0–40%, BT = 0–97%), however the mean prevalence was low (HN = 6%, BT = 10%). The presence of injuries for logistic regression was defined as flocks with an injury prevalence greater than the median level of injury prevalence in the dataset (3.3% HN and 6.6% BT). The final logistic regression model for HN injuries contained five variables: flock sex, flock age, number of daily inspections, number of different people during inspections, and picking up birds during inspections (N = 62, pR 2 = 0.23, α = 0.05). The final logistic regression model for BT injuries contained six variables: flock sex, flock age, litter depth, litter condition, inspection duration, and use of hospital pens for sick/injured birds (N = 59, pR 2 = 0.29, α = 0.05). Flock age, and to a lesser extent, sex was associated with both types of injuries. From a management perspective, aggressive pecking injuries appear to be influenced by variables related to human interaction, namely during inspections. On the other hand, the presence of feather pecking injuries, was associated with litter condition and other management factors like separating sick birds. Future research on injurious pecking in turkeys should focus on these aspects of housing and management to better describe the relationship between the identified variables and the prevalence and severity of these conditions.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,989

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
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 Opus0,012
Tête enseignante GPT0,211
Écart entre enseignants0,198 · 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'étudeObservationnel
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

Citations6
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueFrontiers in Veterinary ScienceMême sujetAnimal Nutrition and PhysiologyTravaux en français237 207