MétaCan
Menu
Retour à la cohorte
Enregistrement W4317358665 · doi:10.1098/rsbl.2022.0475

Hunger affects cognitive performance of dairy calves

2023· article· en· W4317358665 sur OpenAlexafffund
Benjamin Lecorps, Raphaela E. Woodroffe, M.A.G. von Keyserlingk, Daniel M. Weary

Notice bibliographique

RevueBiology Letters · 2023
Typearticle
Langueen
DomaineVeterinary
ThématiqueAnimal Behavior and Welfare Studies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésCognitionAllowance (engineering)Animal welfareBiologyFeelingWelfareProductivityForagingEffects of sleep deprivation on cognitive performanceDevelopmental psychologyPsychologySocial psychologyEcologyEconomics

Résumé

récupéré en direct d'OpenAlex

Hunger remains a significant animal welfare concern as restricted feeding practices are common on farms. Studies to date have focused on negative effects on health and productivity but little research has addressed the feeling of hunger , mostly due to methodological difficulties in assessing animals' subjective experiences. Here, we explored the use of a cognitive approach to disentangle motivational hunger (a normal state that is of limited welfare concern) from distressful hunger (a state associated with intense negative emotions). Cognitive performance in a foraging task is expected to follow an inverted U relationship with hunger levels, providing an opportunity to make inferences about different hunger states. We assessed the effect of milk restriction on calf cognition in two experiments using a modified hole-board test. Experiment 1 showed that reducing milk allowance from 12 to 6 l d −1 impaired all measures of cognitive performance. Experiment 2 showed that the same type of feed restriction also disrupted calves’ capacity to re-learn. We conclude that hunger associated with reduced milk allowance can disrupt cognitive performance of dairy calves, a result consistent with the experience of distressful hunger.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,503
Score d'incertitude au seuil0,351

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,059
Tête enseignante GPT0,340
Écart entre enseignants0,280 · 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

Citations13
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBiology LettersMême sujetAnimal Behavior and Welfare StudiesTravaux en français237 207