MétaCan
Menu
Retour à la cohorte
Enregistrement W59824601 · doi:10.54846/jshap/472

Injuries, lameness, and cleanliness of sows in four group-housing gestation facilities in Ontario

2006· article· en· W59824601 sur OpenAlexaffabout
K. Zurbrigg, Timothy E. Blackwell

Notice bibliographique

RevueJournal of Swine Health and Production · 2006
Typearticle
Langueen
DomaineVeterinary
ThématiqueAnimal Behavior and Welfare Studies
Établissements canadiensMinistry of Agriculture, Food and Rural Affairs
Organismes subventionnairesnon disponible
Mots-clésLamenessGestationMedicineObstetricsEnvironmental healthPregnancyBiologySurgery

Résumé

récupéré en direct d'OpenAlex

This study compared proportion of animals with shoulder and vulvar lesions and scores for cleanliness, body condition, and lameness in sows housed in four different group-housing facilities. Inspectors visited each herd once per month and scored sows for each parameter. All farms housed gestating sows in groups, but pen designs and management differed on each farm. Differences among herds were identified for severity of lameness, vulvar lesions 2 and 3 (small and severe bite wounds), mild shoulder lacerations, and cleanliness scores of 1 (clean) and 3 (hooves and 50% of legs and body soiled). No differences in body condition scores were observed among herds. Newly mixed sows often fight to establish a social hierarchy. In this case study, different herds demonstrated differences in parameters that represent aggressive encounters, ie, degrees of lameness, injury, and cleanliness. Pen design and management factors may be associated with aggressive encounters among newly mixed sows. Different group-housing systems are capable of maintaining acceptable body condition scores in sows.

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)0,001
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 enseignants0,027
Score d'incertitude au seuil0,938

Scores Codex et Gemma par catégorie

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

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 Opus0,060
Tête enseignante GPT0,320
Écart entre enseignants0,260 · 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

Citations36
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Swine Health and ProductionMême sujetAnimal Behavior and Welfare StudiesTravaux en français237 207