MétaCan
Menu
← Retour à la cohorte
Enregistrement W4415184963 · doi:10.21157/j.ked.hewan.v19i2.44929

COMPUTER-ASSISTED SPERM ANALYSIS OF SPERM MOTILITY DYNAMICS IN GAGA ROOSTERS AT DIFFERENT AGES

2025· article· en· W4415184963 sur OpenAlexaff
Khaeruddin Khaeruddin, Junaedi Junaedi, Wiwied Sawitri

Notice bibliographique

RevueJurnal Kedokteran Hewan - Indonesian Journal of Veterinary Sciences · 2025
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetic and phenotypic traits in livestock
Établissements canadiensArtificial Insemination Center of Quebec
Organismes subventionnairesnon disponible
Mots-clésRoosterSpermSemenSperm motilitySemen qualityKinematics

Résumé

récupéré en direct d'OpenAlex

This study aimed to evaluate the motility and kinematic parameters of Gaga chicken sperm at different ages using Computer-Assisted Sperm Analysis (CASA). Semen samples were collected seven times each from two roosters aged 6 months (young) and 12 months (mature) using the massage method. CASA evaluation assessed multiple parameters total motility, progressive motility, slow, static, distance average path (DAP), distance straight line(DSL), distance curvilinear (DCL), velocity average path (VAP), velocity straight line (VSL), velocity curvilinear (VCL), straightness (STR), linearity (LIN), amplitude of lateral head displacement (ALH), beat cross frequency (BCF), and wobble (WOB). Data were analyzed using an independent samples t-test. The results showed significant differences (P0.05) in progressive motility, DCL, VAP, and VCL between the two age groups, with the 12-month-old rooster showing higher values compared to the 6-month-old. In conclusion, the significantly higher sperm concentration and viability observed in mature roosters in this study underscore the importance of age-related reproductive maturity in optimizing semen quality for breeding purposes.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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)0,0010,000

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 Opus0,021
Tête enseignante GPT0,287
Écart entre enseignants0,266 · 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 revueJurnal Kedokteran Hewan - Indonesian Journal of Veterinary Sciences→Même sujetGenetic and phenotypic traits in livestock→Travaux en français237 207→