MétaCan
Menu
Retour à la cohorte
Enregistrement W4324264299 · doi:10.21423/bovine-vol42no2p181-188

Case study

2019· article· en· W4324264299 sur OpenAlexafffundabout
S.J. LeBlanc

Notice bibliographique

RevueThe Bovine Practitioner · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural Economics and Policy
Établissements canadiensUniversity of Guelph
Organismes subventionnairesHealth CanadaUniversity of MinnesotaPfizer
Mots-clésHerdInseminationArtificial inseminationAnimal sciencePregnancyReproductionConfidence intervalMedicinePregnancy rateBiologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

The objective of this field study was to measure the effect of implementing a simple systematic reproduction management program in dairy herds with reproductive performance near or below typical in the industry. Thirty-nine herds across Canada that had annual herd 21-day pregnancy rates (PR) between 8 and 15%, and did not have a systematic reproduction program, were enrolled in a program that consisted of: enrollment of cows that were not inseminated by 70 days-in-milk into a timed insemination program (Ovsynch); enrollment of cows diagnosed not pregnant on Ovsynch; and a change to biweekly veterinary visits for reproductive management. Annual herd PR was compared one year after implementation of the program. On average, the systematic management program was associated with a mean increase in PR of 3.6 percentage points (95% confidence interval, 2.5 to 4. 7; P<0.0001), accounting for initial insemination and conception rates, herd size and method of pregnancy diagnosis. Assuming a milk price of $23/cwt to reflect Canadian milk price net of purchase of quota, economic analyses indicated that herds that increased PR by at least two points were estimated to have an annual net profit improvement between $20 and $250 CDN per cow, depending on the initial PR and the magnitude of the increase in PR. Overall, 72 to 77% of herds that implemented the program were estimated to have a net economic benefit.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,485
Score d'incertitude au seuil0,999

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)0,0020,001

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 GPT0,238
Écart entre enseignants0,214 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe Bovine PractitionerMême sujetAgricultural Economics and PolicyTravaux en français237 207