MétaCan
Menu
Retour à la cohorte
Enregistrement W4414295595 · doi:10.3390/vetsci12090898

Identification of Risk Factors Associated with Treatment for BRD in Beef Calves Within the First 60 Days After Arrival at Fattening Operations in Northwestern Italy Beef Calves

2025· article· en· W4414295595 sur OpenAlexaff
Isabella Nicola, Giuliano Borriello, Edoardo Ramacciotti, Giovanni Gallina, Claudio Bellino

Notice bibliographique

RevueVeterinary Sciences · 2025
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueMicrobial infections and disease research
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésBovine respiratory diseaseHaptoglobinBeef cattlePopulationHerdRespiratory systemAnimal health

Résumé

récupéré en direct d'OpenAlex

Bovine respiratory disease (BRD) impacts beef cattle health and farming systems. To better understand the BRD predisposing factors, a study was conducted in northwest Italy on a population of 26 batches (760 animals) of beef cattle imported from France. Of these, 173 underwent physical examination for clinical signs of BRD (rectal temperature > 39.5 °C, respiratory rate > 36 bpm, cough, nasal or ocular discharge) and blood sampling to detect antibodies against bovine viral respiratory infectious agents (e.g., parainfluenza 3, bovine herpesvirus type 1), haptoglobin and reactive oxygen metabolites concentrations, on arrival. Data on BRD treatments performed within 60 days of arrival were extracted from farm registers. The two most frequent cattle breeds were Blonde d'Aquitaine (80/173, 46.2%) and Limousine (61/173, 35.3%); the median batch weight was 332 kg (range, 195-470). At least one clinical sign of BRD was noted in 57.2% (99/173) of the animals. Most animals tested positive for BPIV3 (131/173, 75.7%) and BRSV (112/172, 64.7%). Bovine respiratory disease treatment was associated with transport time and average weight on arrival. Moreover, reactive oxygen metabolites levels differed between treated and untreated animals; this difference could help predict the onset of BRD, though further studies are needed to draw conclusions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,166
Score d'incertitude au seuil0,993

Scores Codex et Gemma par catégorie

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

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 Opus0,038
Tête enseignante GPT0,311
Écart entre enseignants0,273 · 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 tête enseignante, 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVeterinary SciencesMême sujetMicrobial infections and disease researchTravaux en français237 207