Using salivary anti-CarLA IgA as a tool to manage gastrointestinal parasitism in Canadian pastured sheep *
Notice bibliographique
Résumé
Identifying sheep with superior immunity to gastrointestinal nematodes (GIN) is of great interest for Canadian sheep producers. Measuring the concentration of salivary immunoglobulin A (IgA) against carbohydrate larval antigen (CarLA) found on all third-stage GIN larvae has shown promise in New Zealand sheep, where salivary anti-CarLA IgA exceeding 1.0 U/ml has been associated with 20–30 % lower fecal egg counts (FEC). However, it remains unclear whether these findings translate to other sheep-producing regions, especially northern climates where GIN epidemiology and flock management differ greatly from New Zealand. Accordingly, this study investigated salivary anti-CarLA IgA testing in sheep under Canadian conditions, and was approved by the University of Guelph Animal Care Committee (#4762). In 2022, an average of 25 ewe lambs per farm were randomly selected on 18 farms in Ontario, Canada, after grazing pasture for a minimum of 60 consecutive days. Body condition, fecal consistency, FAMACHA© score, liveweight, hematocrit, FEC, and salivary anti-CarLA IgA concentration were recorded for each study animal after the grazing season. Study animals returned to pasture in 2023 and were re-sampled 4 weeks after turnout. Multivariable linear regression demonstrated that the salivary anti-CarLA IgA response in 2022 predicted the salivary anti-CarLA IgA response in 2023 (β = 0.213; p < 0.001). In addition, salivary anti-CarLA IgA in 2022 was negatively associated with FEC in 2023 (β = - 0.167; p = 0.025). These data indicate that salivary anti-CarLA IgA measurements appear to be helpful for identifying sheep with superior immune responses to GIN in Canada.* Title in ESDA Proceedings: Evaluating the use of salivary anti-CarLA IgA testing to reduce gastrointestinal parasitism in Canadian pastured sheep
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 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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 ».