MétaCan
Menu
Retour à la cohorte
Enregistrement W4393953321 · doi:10.3168/jds.2023-24256

Biosecurity adoption in Québec dairy farms: Results from a risk assessment questionnaire analyzed using conventional and unsupervised artificial intelligence methods

2024· article· en· W4393953321 sur OpenAlexafffundabout
Vitória R Lima-Campêlo, Marie-Ève Paradis, Juan Carlos Arango‐Sabogal, Nancy Beauregard, Jean‐Philippe Roy, Manon Racicot, Cécile Aenishaenslin, Simon Dufour

Notice bibliographique

RevueJournal of Dairy Science · 2024
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Disease Management and Epidemiology
Établissements canadiensCegep de Saint HyacintheAssociation des Médecins Vétérinaires du QuébecUniversité de Montréal
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaDairy Farmers of CanadaNovalaitMinistère de l'Agriculture, des Pêcheries et de l'Alimentation
Mots-clésBiosecurityDescriptive statisticsEnvironmental healthAgricultural scienceRisk assessmentVeterinary medicineBusinessBiotechnologyMedicineBiologyStatisticsComputer science

Résumé

récupéré en direct d'OpenAlex

This study documents the current state of biosecurity on dairy farms in Québec following the implementation of a mandatory biosecurity risk evaluation that was part of the proAction accreditation program developed by Dairy Farmers of Canada. Using a cross-sectional design, 3,825 risk assessment questionnaires completed between 2018 and 2021 were extracted from Vigil-Vet database, which is a software used by veterinarians for conducting the proAction risk assessment. Descriptive statistics were used to summarize the practices adopted by dairy producers. Additionally, multiple correspondence analysis was used to explore the association between the diseases of most concern and the adoption of biosecurity practices. Moreover, we used a hierarchical cluster analysis on principal components to identify distinct patterns of biosecurity practices among dairy producers. This analysis enabled the identification of typologies or clusters of farms based on the specific biosecurity practices they currently employ. The results of the descriptive statistics indicated that mastitis was the disease of most concern for most dairy farmers (40%). Moreover, given that only 10% of the 2,237 dairy farmers who acquired animals adhered to quarantine practices, there seems to be a need for improved implementation of biosecurity measures aimed at restricting the introduction of diseases when introducing new animals. Conversely, cleaning stalls and health equipment were adequately addressed by 95% and 86% of dairy producers, respectively. The multiple correspondence analysis indicated no significant association between the disease of most concern and the farm's biosecurity profile, except for respondents who identified digital dermatitis as their disease of most concern. Through the hierarchical cluster analysis, 3 clusters were identified among 3,581 farms: (1) Cluster 1 included farms with good management of sick animals; (2) Cluster 2 included farms with good management of young animals; and (3) Cluster 3 included farms with poor management of sick animals and young animals. Our study makes an important contribution by providing valuable insights into the biosecurity practices currently adopted on Québec dairy farms. It establishes a baseline for assessing progress in biosecurity practices adoption and serves as a reference point for future evaluations. In addition, these findings play a key role in monitoring the effectiveness of interventions aimed at improving biosecurity on dairy farms. By making use of this knowledge, stakeholders can make informed decisions that prioritize animal health, increase productivity, and ensure sustainability of the dairy industry.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,074
Score d'incertitude au seuil0,149

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,079
Tête enseignante GPT0,371
Écart entre enseignants0,292 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Dairy ScienceMême sujetAnimal Disease Management and EpidemiologyTravaux en français237 207