Timing of Artificial Insemination Using Sexed or Conventional Semen Based on Automated Activity Monitoring of Estrus in Holstein Heifers
Notice bibliographique
Résumé
Investigations on the optimum timing of artificial insemination (AI) following automated activity monitoring (AAM) depending on different types of semen in heifers are limited and in part show controversial results. Therefore, the objective of this observational study was to determine the association between the timing of AI using different characteristics of estrus (i.e., the onset, peak, and end of estrus) and pregnancy per AI (P/AI) in Holstein heifers. Heifers were fitted with a neck-mounted AAM system and inseminated with frozen conventional and sexed semen. The pregnancy per AI (n = 4159) from 2858 heifers from six commercial dairy farms in Germany inseminated upon the alert of an AAM system was evaluated. Estrous intensity was classified based on peak activity into low (35 to 89 index value) and high (90 to 100 index value). We detected a quadratic association between the interval from the onset of estrus to AI and P/AI (p = 0.02). The greatest P/AI was observed for heifers inseminated from 9 to 32 h after the onset of estrus. The intervals from the peak of activity to AI and the end of estrus to AI were not associated with P/AI (p ≥ 0.05). Heifers inseminated with frozen conventional semen (50.1%) had a greater P/AI compared with heifers inseminated with frozen sexed semen (43.3%; p = 0.03). There were no interactions between the intervals from the onset, peak, or end of estrus to AI or the type of semen and the P/AI (p ≥ 0.05). The pregnancy per AI was not associated with estrous intensity (50.5% for low intensity vs. 53.0% for high intensity; p = 0.37). In conclusion, inseminating heifers between 9 and 32 h after the onset of estrus, as detected by the AAM, optimized the P/AI regardless of semen type.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 tête enseignante, 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 ».