MétaCan
Menu
Retour à la cohorte
Enregistrement W7005645542

Reproduction management in dairy herds.

2013· article· fr· W7005645542 sur OpenAlexaboutno aff

Notice bibliographique

RevueORBi (University of Liège) · 2013
Typearticle
Languefr
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCell Image Analysis Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPopulationLimitingContext (archaeology)Filter (signal processing)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

La décision de la commission européenne de mettre fin en 2015 à la politique des quotas laitiers mise en place en 1984 va vraisemblablement bousculer le paysage laitier européen mais aussi mondial. Plus que jamais les grands pays producteurs (Etats-Unis, Canada, France, Allemagne, Pays-Bas, Irlande, Nouvelle-Zélande) vont dans ce contexte de libéralisation et de globalisation de « l’or blanc » se livrer une concurrence effrénée dans laquelle la majorité des producteurs n’auront que peu ou rien à dire. L’augmentation attendue de la production laitière mondiale (15 milliards de litres par an entre 2010 et 2020) résulte bien entendu de l’augmentation de la population mondiale (3,1 milliards entre 1970 et 2010 auxquels s’ajouteront 2 milliards de plus en 2050) mais également du fait que davantage de personnes en Extrême et Moyen-Orient, en Amérique du Sud et en Afrique du Nord consomment davantage de lait et de produits dérivés. L’enjeu pour la majorité des éleveurs européens ou non va être de réduire les coûts liés à la production laitière en (1) optimisant les ressources alimentaires, (2) en améliorant la santé mammaire, (3) en augmentant la longévité des vaches, (4) en réduisant la fréquence des maladies métaboliques, locomotrices ou infectieuses et (5) en améliorant la fécondité. L’amélioration de la fécondité passe définition oblige par la réduction de l’âge du premier vêlage et de l’intervalle entre vêlages. Par gestion, il faut entendre dans un premier temps la quantification du problème et dans un second l’identification des diverses hypothèses diagnostiques qui en sont responsables. Les facteurs de nature alimentaire, thérapeutique, pathologique ou de gestion susceptibles de modifier l'évolution normale de chaque femelle depuis sa naissance jusqu'au moment de sa réforme sont de nature diverse. Ils concernent l'individu ou le troupeau. Ils sont directement ou indirectement responsables de leur fertilité et/ou de leur fécondité. Leurs effets se manifestent de manière isolée ou synergique. Ils concernent aussi bien les animaux que ceux qui en ont la responsabilité sanitaire ou de gestion. Ils sont de nature anatomique, infectieuse, hormonale, thérapeutique ou zootechnique. Par gestion de la reproduction, il faut entendre une approche épidémiologique, globale de l’infécondité qui en intègre les aspects spécifiques sans négliger pour autant les autres aspects qui ne lui sont pas directement liés. Par gestion de la reproduction, on peut aussi comprendre sa gestion hormonale à savoir le recours à des protocoles thérapeutiques de synchronisation des inséminations et donc des vêlages. L’une et l’autre approche s’inscrive dans le contexte d’une identification systématique des animaux à risque au travers d’un suivi mensuel de reproduction. Ce suivi est la clé de voûte d’une gestion de la reproduction. Au travers d’une démarche hypothético-déductive, la présente communication se propose de - quantifier les performances de reproduction au travers des ses principaux paramètres de fécondité et de fertilité : cette première étape est indispensable pour identifier la présence ou non d’un problème d’infécondité, - passer en revue et de manière aussi synthétique que possible les diverses hypothèses et donc les facteurs de risque responsables d’infécondité - proposer des stratégies curatives ou préventives, anti-infectieuses ou hormonales voire zootechniques pour limiter les conséquences de l’infécondité.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,414
Score d'incertitude au seuil0,761

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,207
Écart entre enseignants0,201 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueORBi (University of Liège)Même sujetCell Image Analysis TechniquesTravaux en français237 207