Behavioral changes to detect estrus using ear-sensor accelerometer compared to in-line milk progesterone in a commercial dairy herd
Notice bibliographique
Résumé
The first objective of this study was to compare behavioral and ear temperature changes using accelerometer ear tags (CowManager system; Sensor) during the declining progesterone (P4) phase (expected estrus) and the luteal phase determined using in-line milk P4 analysis (Herd Navigator system; HNS). The second objective was to evaluate the accuracy of each Sensor metric to detect estrus compared to HNS in a commercial dairy herd. Forty-six cows (23 young [1 to 2 lactations] and 23 mature [3 to 6 lactations]) at 20 days in milk (DIM) were fitted with Sensor tags, and P4 profiles measured via HNS until 90 DIM. Sensor metrics analyzed were Resting, Ruminating, Eating, Active, High-Active, and ear temperature (Etemp). The day of milk P4 decline below the 5 ng/mL threshold in the HNS was designated as d -1 (LSM ± SEM; 3.42 ± 0.08 ng/mL) and the day of expected estrus as d 0. Significant increases (LSM ± SEM) were observed at d 0 in Active (5.01 ± 0.14 min/h) and High-Active (8.70 ± 0.25 min/h) behavior responses as well as in Etemp (29.45 ± 0.08°C) compared with the luteal phase (Active: 4.46 ± 0.13 min/h; High-Active: 6.40 ± 0.22 min/h and Etemp: 28.69 ± 0.08°C). The greatest estrus detection accuracy (Youden Index [J: performance]) single metric was achieved using Etemp (0.24 J) followed by Resting (0.20 J) and High-Active (0.17 J) in all cows. Greater accuracy was observed in Young cows (Etemp: 0.44 J; Resting: 0.33 J; and High-Active: 0.25 J) than in Mature cows (Etemp: 0.09 J; Resting: 0.12 J; and High-Active: 0.13 J). Similarly, accuracy was greater when only healthy cows (cows with no postpartum health events) were compared (Etemp: 0.33 J; Resting: 0.31 J; High-Active: 0.20 J) to unhealthy cows (Etemp: 0.11 J; Resting: 0.02 J; High-Active: 0.02 J). The combination of behavior and Etemp metrics optimized the estrus detection accuracy in all the cows (0.30 J), Young (0.46 J), Mature (0.26 J), Healthy (0.45 J), and Unhealthy (0.11 J) cows compared to a single metric approach. Age and postpartum health affected the estrus detection accuracy using Sensor tags.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».