The development and validation of a milk feeding behavior alert from automated feeder data to classify calves at risk for a diarrhea bout: A diagnostic accuracy study
Notice bibliographique
Résumé
The objective of this diagnostic accuracy study was to develop and validate an alert to identify calves at risk for a diarrhea bout using milk feeding behavior data (behavior) from automated milk feeders (AMF). We enrolled Holstein calves (n = 259) as a convenience sample size from 2 facilities that were health scored daily preweaning and offered either 10 or 15 L/d of milk replacer. For alert development, 132 calves were enrolled and the ability of milk intake, drinking speed, and rewarded visits collected from AMF to identify calves at risk for diarrhea was tested. Alerts that had high diagnostic accuracy in the alert development phase were validated using a holdout validation strategy of 127 different calves from the same facilities (all offered 15 L/d) for -3 to 1 d relative to diarrhea diagnosis. We enrolled calves that were either healthy or had a first diarrheal bout (loose feces ≥2 d or watery feces ≥1 d). Relative change and rolling dividends for each milk feeding behavior were calculated for each calf from the previous 2 d. Logistic regression models and receiver operator curves (ROC) were used to assess the diagnostic ability for relative change and rolling dividends behavior relative to alert d) to classify calves at risk for a diarrhea bout from -2 to 0 d relative to diagnosis. To maximize sensitivity (Se), alert thresholds were based on ROC optimal classification cutoff. Diagnostic accuracy was met when the alert had a moderate area under the ROC curve (≥0.70), high accuracy (Acc; ≥0.80), high Se (≥0.80), and very high precision (Pre; ≥0.85). For alert development, deviations in rolling dividend milk intake with drinking speed had the best performance (10 L/d: ROC area under the curve [AUC] = 0.79, threshold ≤0.70; 15 L/d: ROC AUC = 0.82, threshold ≤0.60). Our diagnostic criteria were only met in calves offered 15 L/d (10 L/d: Se 75%, Acc 72%, Pre 92%, specificity [Sp] 55% vs. 15 L/d: Se 91%, Acc 91%, Pre 89%, Sp 73%). For holdout validation, rolling dividend milk intake with drinking speed met diagnostic criteria for one facility (threshold ≤0.60, Se 86%, Acc 82%, Pre 94%, Sp 50%). However, no milk feeding behavior alerts met diagnostic criteria for the second facility due to poor Se (relative change milk intake -0.36 threshold, Se 71%, Acc 70%, and Pre 97%). We suggest that changes in milk feeding behavior may indicate diarrhea bouts in dairy calves. Future research should validate this alert in commercial settings; furthermore, software updates, support, and new analytics might be required for on-farm application to implement these types of alerts.
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 | 0,032 | 0,072 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| 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 ».