MétaCan
Menu
Retour à la cohorte
Enregistrement W4386102994 · doi:10.3168/jds.2022-23065

The effect of progesterone concentrations during superovulation of Holstein heifers in a randomized trial

2023· article· en· W4386102994 sur OpenAlexafffund
J.C.S. Marques, J P O Maciel, J. Denis-Robichaud, Amanda Bega, Sarah R. Moore, Marc‐André Sirard, Christine F. Baes, R.L.A. Cerri

Notice bibliographique

RevueJournal of Dairy Science · 2023
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueReproductive Physiology in Livestock
Établissements canadiensUniversity of GuelphUniversité LavalUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaGenome Canada
Mots-clésEstrous cycleOvulationArtificial inseminationFollicular phaseAnimal scienceEmbryoInseminationBiologyAndrologyInternal medicineEstrus synchronizationEndocrinologyPregnancyMedicineHormone

Résumé

récupéré en direct d'OpenAlex

The aim of this study was to evaluate the effect of different progesterone (P4) concentrations during the follicular growth on the intensity of estrous expression, ovarian response to the superovulatory treatment, and embryo production and quality in superovulated heifers. A total of 63 Holstein heifers were randomly assigned into 2 experimental groups: Low P4 (n = 31) and High P4 (n = 32). Animals received a pre-synchronization protocol followed by a protocol of superovulation that included the allocated P4 treatment. Activity was monitored continuously by an automated activity monitor, and estrus characteristics (maximum intensity and duration) were recorded. Embryo collection was performed 7 d post artificial insemination (AI). Embryos were counted and graded from good or excellent (1) to degenerated (4). The outcomes of interest were: number and diameter of follicles at the time of AI, ovulation success (confirmed 7 d post-AI), time to estrus event, maximum intensity and duration of estrus, number and quality of embryos. Data were analyzed according to the type of outcome variable using logistic, linear, or Poisson regression models. A total of 105 embryos (High P4: n = 42; Low P4: n = 63) were graded for quality. Different P4 levels did not affect the maximum intensity (High P4 = 497.8 ± 23.9%; Low P4 = 542.2 ± 23.5%) or the duration (High P4 = 13.5 ± 1.5 h; Low P4 = 14.3 ± 1.4 h) of estrus. Heifers in the High P4 treatment had greater number of follicles at time of AI (High P4 = 16.6 ± 1.6 follicles; Low P4 = 13.9 ± 1.2 follicles), but with smaller diameter (High P4 = 11.3 ± 0.1 mm; Low P4 = 12.0 ± 0.1 mm) compared with Low P4. High P4 heifers tended to have better embryo quality compared with Low P4 heifers (odds ratio = 1.98; 95% CI = 0.90-4.35). High P4 heifers had less embryos than Low P4 heifers, but this was modified by the CIDR (intravaginal implant of P4) removal to estrus interval (interval 0-21 h: mean ratio = 1.15, 95% CI = 0.42-1.87; interval 22-46 h: mean ratio = 0.58, 95% CI = 0.27-0.96). Although estrous expression was not associated with embryo quality, as the duration and the maximum intensity of estrous expression increased, the number of embryos recovered 7 d post-AI increased (duration: mean ratio = 1.04; 95% CI = 1.03-1.05; maximum intensity: mean ratio = 1.50; 95% CI = 1.42-1.58). In conclusion, P4 during the follicular growth, and intensity of estrus, are playing a role in regulating the quality and the number of embryos produced by superovulated heifers. This study was supported by contributions from Resilient Dairy Genome Project and the Natural Sciences and Engineering Research Council.

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)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,017
Tête enseignante GPT0,268
Écart entre enseignants0,251 · 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'étudeEssai randomisé
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

Citations4
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Dairy ScienceMême sujetReproductive Physiology in LivestockTravaux en français237 207