MétaCan
Menu
Retour à la cohorte
Enregistrement W7014949913

Risk factors affecting wing injuries of broiler chickens at a slaughter plant in New Brunswick, Canada

2017· article· en· W7014949913 sur OpenAlexaboutno aff

Notice bibliographique

RevueIslandScholar (University of Prince Edward Island) · 2017
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Nutrition and Physiology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWingBroilerBody weightTime of daySignificant difference
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

An epidemiological study was conducted on risk factors affecting wing injuries of broiler chickens during catching and transportation to a slaughter plant in New Brunswick, Canada. The slaughter plant provided detailed information about the truck loads of chickens transported to the plant between January 2009 and July 2010. All of the information was collated into a single file. The data was divided into different handling events, with which each event representing a collection of loads coming from the same producer during a single time period (handling event). A multilevel model with three levels: producer (86), handling event (1694) and loads (4494) were fitted to the data. The final model included seven variables: weight, sex, season, catching team, time of day during catching, speed of catching and the interaction between speed of catching and time of day during catching. An increase in bird weight lead to an increase in the occurrence wing injuries (P< 0.001). The model shows that loads with mixed sex and pullets had higher percentage of wing injuries than loads with cockerels (P<0.001). Loading in the fall resulted in significantly decreased wing injuries compared to loading in the winter, spring and summer (P<0.001). There was significant difference in percentage of wing injuries between different catching teams (P<0.001). The effect of time of day was dependent on the speed of catching. However the percentage of injuries is always lower in the night time regardless of the speed of catching. In the afternoon the percentage of injuries were higher especially if the speed of catching was higher.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,126

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,011
Tête enseignante GPT0,192
Écart entre enseignants0,181 · 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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIslandScholar (University of Prince Edward Island)Même sujetAnimal Nutrition and PhysiologyTravaux en français237 207