MétaCan
Menu
Retour à la cohorte
Enregistrement W4414830708 · doi:10.1093/jas/skaf300.664

PSX-22 A survey of North American yak owners with a focus on meat production.

2025· article· en· W4414830708 sur OpenAlexaboutno aff
Jeffrey W Lehmkuhler, Darrh Bullock, Katie VanValin, Leslie Anderson, Kevin Laurent

Notice bibliographique

RevueJournal of Animal Science · 2025
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueCulinary Culture and Tourism
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésYAKStock (firearms)Selective breedingMeat packing industryRange (aeronautics)Animal husbandry

Résumé

récupéré en direct d'OpenAlex

Abstract Yaks can be found across much of North America, yet, little information is available on yak production outside the Tibetan Plateau region. Using an online survey software (Qualtrics XM), yak producers/owners completed a questionnaire to provide insight on management practices. A QR code was displayed at the 2022 Northwestern Stock Show and a link was shared with the US Yak and IYAK association members. A total of 70 responses were recorded with 48 surveys being utilized in the analysis. ProcFreq of SAS 9.4 was used to summarize responses. Data were further filtered with those indicating “No” for raising animals for meat excluded in additional analyses. Participants indicated raising yaks across a wide range of the United States with 18 states from Washington to New Jersey, and Canada to Texas. The mean number of breeding females, males and meat animals were 21, 3 and 13, respectively. An educational opportunity was identified for record keeping as 34% of respondents indicated they did not maintain animal management records and less than 11% routinely weighed animals. Only 45% maintained breeding or pedigree records while slightly more than half maintained health and input cost records. Seventy-seven percent indicated they raised yaks for meat with the average number raised per operation for meat being six animals. When asked why respondents raised yaks in which multiple responses were allowed, more than 80% indicated for meat production, 54% for fiber production, 52% were raising them for breeding stock, 52% as a hobby, and to a lesser degree for trekking, rehabilitation programs for veterans, milk, agritourism and land regeneration. Sixty-five percent of those raising yaks for meat indicated fewer animals were marketed than desired. The major limitation for not meeting market goals was the limit of animals that could be raised on the farm/ranch (62.2%) followed by the lack of USDA slaughter capacity (48.7%). Other reasons included lack of further processing (ie. jerky), variability in available animals, insufficient time/labor, lack of market opportunity and lack of animals available to purchase for meat production. Almost 49% indicated they purchased animals for meat production with the mean number purchased being less than five animals. The majority, 73%, indicated yaks were raised in a strictly grass/forage-based system while 19% indicated a mostly grass/forage-based system with limited grain/protein supplementation. Participants were asked to share prices received for various meat products. At the time of the survey, the average price indicated for ground yak was $22.53/kg while roast and steaks were $27.50/kg and $38.28/kg, respectively. Yak production in North America is widespread across a variety of climates for the production of meat, fiber, breeding stock and pleasure. Additional research is warranted to assess their potential as a source of domesticated lean red meat.

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)0,001
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 enseignants0,030
Score d'incertitude au seuil0,060

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0080,002

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 Opus0,021
Tête enseignante GPT0,249
Écart entre enseignants0,228 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Animal ScienceMême sujetCulinary Culture and TourismTravaux en français237 207