Studies on disease resistance based on producer-recorded data in Canadian Holstein cattle
Notice bibliographique
Résumé
Health traits are some of the most important cost factors in dairy cattle production. Eight important health traits were chosen for data collection in Canada. They were mastitis, lameness, cystic ovarian disease, left displaced abomasum, ketosis, metritis, milk fever, and retained placenta. Data collected by producers on these 8 diseases were stored in a central database. These recordings were the basis to prepare genetic evaluations for health in Canada. Effect of the quality of the data was analyzed by using 2 different sampling frames for the inclusion of herds in the analysis: a stringent sampling frame requiring all herds to have collected at least one case of the disease analyzed and a second sampling frame requiring herds to have collected one case of any disease. Variance components were estimated with a linear model. Heritability estimates of all health traits were lower than 0.03. The second sampling frame gave lower estimates than the first one. Correlations between predicted transmitted abilities (PTA) calculated with both sampling frames were higher than 0.9. A second analysis compared the effects of using a threshold model instead of a linear model. Health traits were also grouped according to biological aspects. Heritability estimates calculated with the threshold model were higher than those of the linear model, but when they were transformed to the observable scale, results from both modelling approaches were similar. Use of indicator traits was investigated in analyzing body condition score (BCS) and health traits simultaneously. A longitudinal and a multiple-trait approach were used. BCS was positively correlated with resistance to disease, except for lameness, where a negative correlation was found. Heritability of BCS was moderate and selection for this trait would improve disease resistance. Finally, a survey was sent to producers to assess data collection practice. Most of the producers collecting health data were collecting data on mastitis. On the other hand, only 50% of producers collected data on lameness, cystic ovarian disease, ketosis or metritis. Awareness for health data collection should be raised through extension work.
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 | 0,005 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| 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 ».