MétaCan
Menu
Retour à la cohorte
Enregistrement W4414486941 · doi:10.3390/ani15192780

Multiblock Analysis of Risk Factors and Management Areas of Calf Mortality in Large-Scale Dairy Herds

2025· article· en· W4414486941 sur OpenAlexfundno aff
Dagni-Alice Viidu, Triin Rilanto, Stéphanie Bougeard, Tanel Kaart, Kerli Mõtus

Notice bibliographique

RevueAnimals · 2025
Typearticle
Langueen
DomaineVeterinary
ThématiqueAnimal health and immunology
Établissements canadiensnon disponible
Organismes subventionnairesMinistry of Rural AffairsEesti Teadusagentuur
Mots-clésHerdIce calvingVariablesMortality rateVariable (mathematics)Risk of mortalityEstonian

Résumé

récupéré en direct d'OpenAlex

Despite an abundance of available research, calf mortality persists as a multifaceted phenomenon that presents ongoing challenges in practical management. This historical single-cohort study was conducted to provide a more comprehensive layer of knowledge to the existing information pool on calf mortality risk factors by using multiblock partial least squares analysis. The method reveals the contribution of several variables aggregated into thematic blocks and allows to include multiple outcome variables describing the same phenomenon. Such an analysis of the data provides valuable information to farmers, veterinarians, and advisors alike, not only about single risk factors, but also about management areas to prioritize when tackling calf mortality. Data was gathered from 118 Estonian dairy herds, each comprising ≥100 cows, via questionnaire, sample collection, and on-farm scoring and measurements. The final dataset included 147 questions divided into 13 meaningful blocks. The outcome variables were annual herd-level calf mortality risk during the first 21 days (MR21) and 22-90 days (MR90) using farm records and the national cattle database, respectively. The average MR21 was 5.9% (median 4.4%, range 0.0-26.8%) and the average MR90 was 2.7% (median 2.3%, range 0.0-12.7%). Of the 13 thematic variable blocks, the most important blocks explaining calf mortality were 'Routine stress-inducing activities', 'Herd characteristics', 'Calving management', 'Calf housing during 5-21 days', and 'External biosecurity'. The most influential single variables associated with higher overall calf on-farm mortality during the preweaning period were poorer cleanliness scores of calving animals and calves having access to an outdoor area during the first 21 days of life. Detected risk factors for MR21 were calf barn age > 20 years, allowing the calves to suckle the first colostrum, bucket feeding calves during the first three weeks, disbudding all calves (compared to only heifer calves), and disbudding at 21-29 days of age. Risk factors for MR90 included the use of automatic milk feeders and feeding waste milk during the first three weeks, early introduction of calves to large group pens and higher in-pen age differences, absence of forced ventilation during the first three weeks, opportunity for feces to spread between calf pens, and use of calving pens for sick animals. Washing and disinfection of newborn calves' pens and testing colostrum quality were protective factors against both MR21 and MR90. Other protective practices for MR21 were related to proper colostrum feeding routines, whereas lower MR90 was mostly associated with efficient external biosecurity practices and vaccination programs. The multiblock model proved to be beneficial in providing a broader understanding of the importance of different management areas on calf mortality.

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 enseignants0,003
Score d'incertitude au seuil0,740

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
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 Opus0,039
Tête enseignante GPT0,364
Écart entre enseignants0,325 · 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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnimalsMême sujetAnimal health and immunologyTravaux en français237 207