The Role of Pig Diseases in Structural Change in the Canadian Pig Industry
Notice bibliographique
Résumé
Since their first discoveries in the early 1990s in Canada, pig diseases, especially porcine reproductive respiratory syndrome (PRRS) and porcine circovirus associated disease (PCVAD), have plagued the Canadian pig industry, and the problem became more severe with the onset of porcine epidemic diarrhea (PED) in 2014. In the meantime, the industry has also seen dramatic structural change with a decrease in pig farm numbers and an increase in total pig numbers. Using the census division (CD) level data obtained from the Census of Agriculture Questionnaires, we find not every CD across the country experienced the same type of structural change. Indeed, about 69% of the CDs in Canada went through decreases in both pig farm numbers and pig numbers over the period 1981 to 2016. This research examines how pig diseases (PRRS, PCVAD, and PED) have affected structural change in the Canadian pig industry at the individual census division level while controlling for the effect of other key economic explanatory variables over the period 1981 to 2016. Farm structure in our study is defined by farm size (i.e., average number of pigs per farm), and the impacts of various economic factors including the U.S. country of origin labelling on the industryâs structural change are empirically assessed using random effects generalized least squares models. The empirical results indicate pig diseases did affect the Canadian pig industryâs structure, and they have played a more significant role in the structure of farms in eastern Canada. Given that pig diseases had played a significant role in pig farming operations in some geographical regions in Canada, we further investigate how various factors including: 1) on-farm disease status; 2) management variables; 3) farmersâ knowledge about and attitudes towards various treatment methods play a role in pig farmersâ decisions regarding the uptake of preventive measures. In general, we find : 1) farmers who experienced disease outbreaks are more likely to implement more preventive measures than those haven no experience; 2) farm and farmer characteristics such as production type and operatorsâ age are important determinants of adoption decisions; and 3) the better the farmersâ knowledge about a particular practice, the stronger their biosecurity behavior.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».