Keeping profitable cows in the herd: A lifetime cost-benefit assessment to support culling decisions
Notice bibliographique
Résumé
Increasing the productive lifespan of dairy cows is important to achieve a sustainable dairy industry, but making strategic culling decisions based on cow profitability is challenging for farmers. The objective of this study was to carry out a lifetime cost-benefit analysis based on production and health records and to explore different culling decisions among farmers. The cost-benefit analysis was conducted for 22 747 dairy cows across 114 herds in Quebec, Canada for which feed costs and the occurrence of diseases were reported. Costs and revenues related to productive lifespan were compared among cohorts of cows that left their respective herd at the end of their last completed lactation or stayed for a complete additional lactation. Hierarchical clustering analysis was carried out based on costs and revenues to explore different culling decisions among farmers. Our results showed that the knowledge of lifetime cumulative costs and revenues was of great importance to identify low-profitable cows at an earlier lactation, while only focusing on current lactation costs and revenues can lead to an erroneous assessment of profitability. While culling decisions were mostly based on current lactation costs and revenues and disregarded the occurrence of costly events on previous lactations, there was variation among farmers as we identified three different culling decision clusters. Monitoring cumulative costs and revenues would help farmers to identify low-profitable cows at an earlier lactation and make the decision to increase herd productive lifespan and farm profitability by keeping the most profitable cows.
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 | 0,000 | 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 | 0,000 | 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) | 0,000 | 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 ».