Optimal cutoff estimation and evaluation of direct and indirect diagnostic methods for assessing bovine colostrum quality with Bayesian finite mixture models
Notice bibliographique
Résumé
Ensuring high-quality colostrum for newborn calves is essential for their health and future productivity. We applied Bayesian finite mixture models to estimate optimal cutoff values and evaluate the diagnostic accuracy of 3 methods-radial immunodiffusion (RID) assay, transmission infrared (TIR) spectroscopy, and digital Brix (dBrix) refractometry-measured on a continuous scale for assessing bovine colostrum quality, using 591 colostrum samples from 42 Holstein dairy herds in Atlantic Canada. The mean and standard deviation of IgG concentrations for high-quality colostrum were 61.07 ± 39.8 g/L, 51.28 ± 27.38 g/L, and 24.32 ± 4.13% Brix for RID assay, TIR spectroscopy, and dBrix refractometry, respectively, compared with 19.93 ± 15.54 g/L, 7.78 ± 37.4 g/L, and 15.87 ± 3.45% Brix for low-quality samples. The prevalence of high-quality colostrum was estimated at 83% (95% credible interval [CrI]: 0.79-0.88). The dBrix refractometer demonstrated the highest discriminatory power, with an area under the curve (AUC) of 0.94 (95% CrI: 0.91-0.97), followed by RID assay (AUC: 0.92; 95% CrI: 0.88-0.96) and TIR spectroscopy (AUC: 0.82; 95% CrI: 0.76-0.88). Optimal cutoff values were determined using Youden's index: 34.15 g/L for RID assay (sensitivity [Se] = 0.86, specificity [Sp] = 0.83), 22.74 g/L for TIR spectroscopy (Se = 0.88, Sp = 0.66), and 19.62% Brix for dBrix refractometry (Se = 0.90, Sp = 0.85). Correlation between RID assay and TIR spectroscopy was stronger for high-quality colostrum samples (0.80; 95% CrI: 0.77-0.84) than for low-quality samples (0.36; 95% CrI: 0.16-0.55), indicating that these methods are not perfectly correlated and justifying the need for multiple diagnostic approaches. Among individual methods, dBrix refractometry showed the highest positive predictive value (PPV = 1.00), and all methods demonstrated moderate negative predictive values (NPV = 0.46-0.57). Combining methods in series interpretation increased PPV up to 1.00 when all 3 methods were used together, though with reduced NPV. Conversely, parallel interpretation substantially improved NPV, reaching 0.98 when all 3 methods were combined. By modeling continuous measurements instead of dichotomized test results, our analysis produced refined cutoff values for assessing colostrum quality. The findings indicate that existing thresholds remain largely adequate, offering only minor performance improvements, and emphasize the need to balance diagnostic refinements with their potential effects on calf management and passive immunity. Furthermore, our findings suggest that, although individual assessment methods offer valuable diagnostic information, combining multiple methods can optimize either Se or Sp, depending on the interpretation approach, thereby further enhancing the accuracy of colostrum quality evaluation.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,041 | 0,098 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| 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 source (Gemma direct ou Codex distillé), 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 ».