Modelling growth in dairy heifers based on linear body measurements (withers height) using non-linear functions
Notice bibliographique
Résumé
This research communication reports a study to model the growth curves for withers height (WH) and body weight (BW) to withers height ratio (BW:WH) using monthly records (from 1 to 24 months of age) for three breeds of dairy heifer (Holstein, Jersey and Brown Swiss). The data sets used were those reported by the Dairy Heifer Evaluation Project of Penn State Extension (USA) between 1991 and 1992. Four growth functions (monomolecular and Michaelis-Menten, both with diminishing returns behaviour, and Schumacher and López, both with asymptotic sigmoidal behaviour) were fitted using the non-linear regression procedure of the SigmaPlot software and the parameters estimated. The models were judged for goodness of fit using adjusted coefficient of determination ($R_{{\rm adj}}^2 $), root mean square error (RMSE), Akaike's information criterion (AIC) and Bayesian information criterion (BIC). Assessing the goodness of fit by $R_{{\rm adj}}^2 $ (>0.99 in all cases) reveals the generally appropriate fit of the models to the data. The non-sigmoidal functions (i.e. Michaelis-Menten and monomolecular) provided the best fits giving the lowest values of RMSE, AIC and BIC. Based on the chosen statistical criteria, the Schumacher and López equations provided acceptable fits to the WH and BW:WH growth curves, but showed points of inflexion at times before birth, indicating that these growth curves are not sigmoidal. In conclusion, evaluation of the different non-linear growth functions used in this study indicated their potential for modelling growth patterns in dairy heifers.
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 | 0,002 | 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 | 0,001 |
| 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 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 ».