Deteksi Larva Cacing Pada Sapi dengan Pola Pemeliharaan yang Berbeda di Wilayah Kabupaten Sumedang
Notice bibliographique
Résumé
The aim of this research is to analyze differences in levels of digestive tract worm infections in cattle with different rearing patterns in the Sumedang Regency area. The research was carried out in January 2024 in the Paseh sub-district, Sumedang Regency. Worm larvae detection examinations were carried out at the Subang Veterinary Laboratory (B-VET), Jln. Garuda Canal, Werasari Block, Dangdeur, Subang District, Kab. Subang. The method in this research is descriptive observational carried out in the field and laboratory. The technique for collecting feces samples is carried out rectally, approximately 5 grams per cow, selecting samples based on simple random sampling. Fresh feces were put into 50 ml jars along with formalin to prevent eggs from hatching during transportation and storage. Each sample is given a label that includes the sample code and age information. After that, the samples are carried using a coolbox from the sampling location until they are examined in the laboratory. The research results showed that the prevalence pattern of worm infections in semi- intensive rearing was higher than in intensive rearing. The types of worms identified are Nematoda, Trematoda and Protozoa. Different maintenance patterns (Semi-intensive and Intensive) in Paseh District are classified as mild infections (1 – 156 epg).
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,004 | 0,001 |
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 ».