Associations between turn out practices and rates of musculoskeletal disease and injury in Thoroughbred foals and yearlings on stud farms in the United Kingdom
Notice bibliographique
Résumé
BACKGROUND: Early-life locomotor activity during turn out may alter susceptibility to musculoskeletal disease and injury via modulation of behaviours and tissue development during growth. OBJECTIVES: Investigate associations between turn out practices and rates of musculoskeletal disease and injury in young Thoroughbreds on stud farms in the United Kingdom. STUDY DESIGN: Prospective cohort. METHODS: Daily records were kept on location and duration of turn out for 134 Thoroughbred foals on six stud farms, from birth until leaving the farm or study exit. Data on veterinary-attended episodes of musculoskeletal disease or injury were collated concurrently. Average daily turn out times (hours), areas (acres) and group size (n foals) were calculated for rolling 7- and 30-day periods of age. Multivariable Cox regression, including farm as a random effect, was used to investigate associations between turn out practices and musculoskeletal disease and injury. RESULTS: The overall incidence of musculoskeletal disease or injury was 5.3 cases/100 foal-months at risk (95% confidence interval [CI]: 4.2-6.6). Compared with 24/7 turn out, average daily turn out times of between 9 and 23 hours over a 7-day period were associated with a 4.6-fold increase in musculoskeletal injury rate (95% CI: 1.7-12.3; P < 0.001), adjusting for farm and paddock area. Each 1-acre increase in the average daily turn out area during the 4th month of life, reduced the rate of musculoskeletal disease and injury between 6 and 18 months of age by 24% (hazard ratio 0.76, 95% CI: 0.58-0.99; P < 0.001), adjusting for farm and turn out time. MAIN LIMITATIONS: Non-random sample of participants may affect generalisability. Use of veterinary-attended events likely underestimates disease/injury rates. CONCLUSIONS: Results suggest that disruptions or alterations to turn out time routines increase injury risk and should be avoided where possible. Turn out in larger paddocks, particularly before weaning, may confer protection against subsequent musculoskeletal disease and injury.
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 | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 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 ».