Investigating the potential for genetic selection of dairy calf disease traits using management data
Notice bibliographique
Résumé
Genetic selection could be a tool to help improve the health and welfare of calves; however, to date, there is limited research on the genetics of calfhood diseases. This study aimed to understand the current impact of calf diseases, by investigating incidence rates, estimating genetic parameters, and providing industry recommendations to improve calf disease recording practices on farms. Available calf disease data composed of 69,695 Holstein calf disease records for respiratory problems (RESP) and diarrhea (DIAR), from 62,361 calves collected on 1,617 Canadian dairy herds from 2006 to 2021. Single- and multiple-trait analysis using both a threshold and linear animal model for each trait were evaluated. Furthermore, each trait was analyzed using 2 scenarios with respect to minimum disease incidence threshold criterion (herd-year incidence of at least 1% and 5%) to highlight the effect of different filtering thresholds on selection potential. Observed scale heritability estimates for RESP and DIAR ranged from 0.02 to 0.07 across analyses, while estimated genetic correlations between the traits ranged from 0.50 to 0.62. Sires were compared based on their estimated breeding value and their diseased daughter incidence rates. On average, calves born to the bottom 10% of sires were 1.8 times more likely to develop RESP and 1.9 times to develop DIAR compared with daughters born to the top 10% of sires. Results from the current study are promising for the inclusion of both DIAR and RESP in Canadian genetic evaluations. However, for effective genetic evaluation, standardized approaches on data collection and industry outreach to highlight the importance of collecting and uploading this information to herd management software is required. In particular, it is important that the herd management software is accessible to the national milk recording system to allow for use in national genetic evaluation.
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 | 0,013 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».