MétaCan
Menu
Retour à la cohorte
Enregistrement W6945301746 · doi:10.24411/2078-1318-2018-12134

Характеристика высокопродуктивных коров в "СХПК им. Кирова" Кировской области

2018· article· ru· W6945301746 sur OpenAlexaboutno aff

Notice bibliographique

RevueCyberLeninK (CyberLeninka) · 2018
Typearticle
Langueru
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBiomedical Text Mining and Ontologies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDairy cattleAgricultureHerdAnimal breedingDairy farming

Résumé

récupéré en direct d'OpenAlex

В представленной статье приведены результаты исследования, проведенного в 2017 г. в одном из лучших хозяйств Кировской области, на племенном заводе «СХПК им. Кирова» Оричевского района, где используются высокопродуктивные молочные коровы, потомки голштинских быков со средней кровностью 72,4%. Анализируемые коровы являются дочерями быков из 8 регионов. Большинство составляли дочери быков из Германии. Самый высокий РИБ у 3 быков из Канады. Лучшие показатели по молочной продуктивности отмечены у 10 дочерей-первотелок Омара-М 467825668 из Нидерландов. Удои увеличиваются на протяжении 4 лактаций: во 2-й лактации на 22%, в 3-й на 5%, в 4-й еще на 3,6%. При этом рост удоев не сопровождается ухудшением качества молока: содержание МДЖ и МДБ в молоке увеличивается. Разница между средним и максимальным удоем более заметна у коров старшего возраста. Высокопродуктивные коровы реализовали РИК на 130-162%, РИБ на 93-109%. Между удоем коровы и РИК и между удоем и РИБ выявлена положительная связь на уровне средней (r=0,27-0,4). Коэффициент повторяемости удоя равен 0,330,37. В результате исследований показаны резервы улучшения племенных и продуктивных качеств молочного скота за счет использования быков и коров с высокой племенной ценностью. При грамотном подборе пар, правильной организации раздоя коров не только по первой, но и в последующие лактации можно добиться роста удоев и повышения продуктивного долголетия.Results of the research conducted in 2017 in one of the best farms of the Kirov region on the breeding plant "Kirov" Orichevsky district are given in the submitted article. Where highly productive dairy cows, descendants of the Holstein bulls with an average blood system of 72,4% are used. The analyzed cows are daughters of bulls from 8 regions. Most of them were daughters of bulls from Germany. The highest PIB we observed among 3 bulls from Canada. But the best indicators on dairy efficiency are noted among10 daughters first calves OmaraM 467825668 from the Netherlands. Yields of milk are increased throughout 4 lactations: on the 2nd lactation for 22%, on the 3rd for 5%, on the 4th for 3,6%. At the same time growth of yields of milk isn't followed by deterioration of milk quality: the maintenance of MPF and MPP in milk is increasing. The difference between an average and maximum milk yield is more noticeable at cows of elder age. Highly productive cows have realized RIK for 130 162%, RIB for 93-109%. Between a milk yield of a cow and parental index of a cow (PIC) and between a yield of milk and parental index of a bull (PIB) positive communication at the level of average (r=0,27-0,4) is revealed. The coefficient of repeatability of a yield of milk is equal to 0,33-0,37. As a result of research reserves of improvement of breeding and productive qualities of the dairy cattle due to use of bulls and cows with high breeding value are shown. At competent selection of couples, the correct organization of cows milking not only on the first, but also in the subsequent lactations it is possible to achieve growth of yields of milk and increase in productive longevity.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,046
Score d'incertitude au seuil0,153

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0040,004
Communication savante0,0100,004
Science ouverte0,0010,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0460,013

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 Opus0,015
Tête enseignante GPT0,277
Écart entre enseignants0,262 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCyberLeninK (CyberLeninka)Même sujetBiomedical Text Mining and OntologiesTravaux en français237 207