Development of a novel primate welfare assessment tool for research macaques
Notice bibliographique
Résumé
Primates are important species for biomedical research and ensuring their good welfare is critical for research translatability and ethical responsibility. Systematic animal welfare assessments can support continuous programme improvements and build institutional awareness of areas requiring more attention. A multi-facility, collaborative project aimed to develop and implement a novel primate welfare assessment tool (PWAT) for use with research macaques. PWAT development involved: establishing an internal focus group of primate subject matter experts, identifying animal welfare categories and descriptors based on literature review, developing a preliminary tool, beta-testing the tool to ensure practicality and final consensus on descriptors, finalising the tool in a database with semi-automated data analysis, and delivering the tool to 13 sites across four countries. The tool uses input- and outcome-based measures from six categories: physical, behavioural, training, environmental, procedural, and culture of care. The final tool has 133 descriptors weighted based upon welfare impact, and is split into three forms for ease of use (room level, site level, and personnel interviews). The PWAT was trialled across facilities in March and September 2022 for benchmarking current macaque behavioural management programmes. The tool successfully distinguished strengths and challenges at the facility level and across sites. Following this benchmarking, the tool is being applied semi-annually to assess and monitor progress in behavioural management programmes. The development process of the PWAT demonstrates that evidence-based assessment tools can be developed through collaboration and consensus building, which are important for uptake and applicability, and ultimately for promoting global improvements in research macaque welfare.
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 | 0,055 | 0,103 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,004 |
| Bibliométrie | 0,011 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,007 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,003 |
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 ».