MétaCan
Menu
Retour à la cohorte
Enregistrement W4386087039 · doi:10.3168/jds.2023-23626

Hygiene management practices and adenosine triphosphate luminometry of feeding equipment in preweaning calves on dairy farms in Quebec, Canada

2023· article· en· W4386087039 sur OpenAlexafffundabout
Laura Van Driessche, D.E. Santschi, Éric R. Paquet, D.L. Renaud, Édith Charbonneau, Marie-Lou Gauthier, Anaïs Chancy, Nicolas Barbeau-Grégoire, Sébastien Buczinski

Notice bibliographique

RevueJournal of Dairy Science · 2023
Typearticle
Langueen
DomaineVeterinary
ThématiqueAnimal health and immunology
Établissements canadiensMinistère de l'Agriculture, des Pêcheries et de l'AlimentationUniversité de MontréalUniversité LavalSte. Anne's HospitalUniversity of GuelphCegep de Saint Hyacinthe
Organismes subventionnairesMinistère de l'Agriculture, des Pêcheries et de l'Alimentation
Mots-clésAnimal scienceHygieneVeterinary medicineWhole milkBiologyMedicineToxicologyFood science

Résumé

récupéré en direct d'OpenAlex

The objective of this study was to describe the cleaning practices currently used for preweaning calves on dairy farms in Quebec, Canada. In addition, contamination of feeding equipment for preweaning calves was described using ATP (expressed as relative light units, RLU), visual assessment, and bacteriological analysis. A questionnaire was administered on 50 commercial dairy farms in Quebec, Canada, regarding the self-reported cleaning protocol used for feeding equipment of preweaning calves. During the visit, a visual score was given to the feeding equipment available at the farm. Afterward, ATP luminometry measurements were obtained using Hygiene UltraSnap and MicroSnap swabs (Hygiene, Camarillo, CA), and the liquid rinsing technique for buckets, nipples, bottles, esophageal tube feeders (ET), the tube of automatic milk feeders (AMF), water samples, and milk replacer. An additional direct swabbing technique was performed on buckets and nipples. The fluid retrieved from the liquid rinsing technique was also used to determine the total bacterial count (TBC) and total coliform count. Based on the bacteriological analysis, optimal RLU cutoff values to determine contamination were obtained. The median (interquartile range) luminometer measurements using the UltraSnap and direct technique for buckets and nipples were 2,082 (348-7,410) and 3,462 (462-7,518) RLU, respectively; and, using the liquid technique for bottles, ET, AMF, water, and milk replacer were 43 (4-974), 15 (4-121), 301 (137-1,323), 190 (71-358), and 94 (38-218) RLU, respectively. Overall, for all equipment and both techniques used, higher RLU values were seen in UltraSnap samples compared with MicroSnap samples. Additionally, for buckets and nipples, higher RLU values were obtained for the direct swabbing method compared with the liquid sampling method for both swabs used. No differences in the level of contamination were seen between the different feeding equipment used within a farm. Overall, a higher correlation with bacteriological results was noticed for ATP luminometry compared with the visual score, with a high correlation for nipples and bottles using the UltraSnap and liquid technique. Based on the classification of "contaminated" (TBC ≥100,000 cfu/mL) or "not contaminated" (TBC <100,000 cfu/mL), optimal ATP luminometer cutoff values for buckets, nipples, bottles, AMF, water, and milk replacer were 798, 388, 469, 282, 1,432, and 93 RLU, respectively. No clear association was found between ATP measurements and the self-reported cleaning protocol. This study gave new insights into the current cleaning procedures and contamination of feeding equipment for preweaning calves on dairy farms in Quebec. In addition, ATP luminometry cutoff values could help benchmark farms regarding cleaning practices and provide customized advice, improving the overall hygiene management, and thus the health, of preweaning calves on dairy farms.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,040
Score d'incertitude au seuil0,120

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,058
Tête enseignante GPT0,349
Écart entre enseignants0,291 · 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 source (Gemma direct ou Codex distillé), 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'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Dairy ScienceMême sujetAnimal health and immunologyTravaux en français237 207