Growth modeling of dairy heifers in Québec based on random regression
Notice bibliographique
Résumé
Cue, R. I., Pietersma, D., Lefebvre, D., Lacroix, R., Wade, K., Pellerin, D., de Passillé, A-M. and Rushen, J. 2012. Growth modeling of dairy heifers in Québec based on random regression. Can. J. Anim. Sci. 92: 33-47. A total of 144 006 weight (calculated from tape girth measurements) and height data records from Québec dairy heifers were analyzed using random regression to estimate growth curve parameters of Ayrshires, Brown Swiss and Holstein animals to permit prediction of individual heifer growth from 0 to 32 mo. There were, on average, 5.15 records per heifer (minimum 3 records, maximum 25 records). The body weight data were analyzed using linear and quadratic fixed and random regressions, with a power-of-the-mean (POM) function to model the residual variance. The POM was 1.2 for Holstein and Ayrshire and slightly less than 1 for Brown Swiss. Estimated body weight at 24 mo was 507, 564, 624 kg, for Ayrshires, Brown Swiss and Holstein, respectively. The height data were analyzed with a Brody, monomolecular non-linear growth curve model. Mature height was estimated to be 148 cm in both Holstein and Ayrshires, and 150 cm in Brown Swiss. Random regression models were shown to be able to predict individual growth, and can be incorporated in decision-support tools to help producers reducing the average age at first calving.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».