Running wheel activity in mink with different forms of abnormal behaviour
Notice bibliographique
Résumé
Stereotypies can take many different forms but many studies and the WelFur protocol pool these together. However, it is currently unknown if these different forms of stereotypic behaviour share a similar motivational background and have equal welfare significance for the mink. As part of a larger study addressing this issue, we investigated whether free access to a running wheel would substitute, i.e. reduce the prevalence of, the various forms of stereotypic behaviour (SB). We screened in 2019 c. 1100 Palomino and Brown mink dams, individually housed at the AU-farm, into six groups based on their behavioural phenotype: CONTROL (n=18) free from abnormal behaviour, FURCHEW (n=14) fur-chewing, ORALSB (N=11) with licking SB, STATSB (n=15) with stationary SB, PACERS (n=16) with pacing, and MIXED (n=14) with several forms of abnormal behaviour. These 88 mink were relocated to cages with running wheel access for 10 days. We analysed running wheel activity as rounds per days (rpd, i.e. per 24h) using repeated measures mixed ANOVA. The runningwheel naïve mink dams started more or less immediately to use the running wheels (avg. per mink 960 rpd on the first day, 1025 rpd on day 10). There was a considerable variation in running wheel activity between mink. The major finding was that running wheel activity differed between groups with PACERS, STATSB and MIXED groups using the running wheel significantly more (1474, 1404 and 1753 rpd, respectively) than the other groups (P<0.001; avg. 336-467 rpd). Thus, different forms of abnormal behaviour influence the running wheel activity in mink. Results on the effects on stereotypic behaviour will be presented.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,001 | 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 ».