Notice bibliographique
Résumé
Lameness is a major problem in present dairy farming. In order to find whether there are other ways to detect lameness in dairy cows instead of gait scoring, the use of HOBO’s, a brand of accelerometers, as a lameness detection method is investigated. The aim of the project is to determine whether HOBO’s can be used as a more specific and sensitive test method for lameness detection in dairy cows. \nIt is thought that lame cows can be detected based on their lying times, because literature describes that lame cows, compared to sound cows, are more likely to lie down for longer periods of time. This is thought to be due to claw lesions or other problems inducing lameness causing pain when weight is placed on the hoofs during rising and lying down in the stalls. For the same reason it is thought that lame cows have a lower number of lying bouts and the duration of lying bouts are longer. \nThe research was part of a running project named “the lameness and longevity project” and took place in Alberta, Canada. Seventeen farms were visited in this province and beside lying times and lying bout information collected using HOBO’s, gait scores were performed using video images made on the farms. This data was used to test the hypotheses. \nThe analysis showed that cows lying down between 8 and 14 hours a day are not necessarily sound and cows lying down less than 8 hours a day are not necessarily lame cows. Cows lying down over 14 hours a day are more likely to be lame and should be watched closely. Also, corrected for farm, the number of bouts was not lower for lame cows and duration of bouts was not longer for lame cows, as was expected.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».