Hevosten lisääntyminen epidemiologisen tutkimuksen kohteena : kirjallisuuskatsaus
Notice bibliographique
Résumé
Hevosen lisääntymistulokseen vaikuttavia tekijöitä on tutkittu paljon, mutta edelleenkään suurta osaa tai niiden yhteyttä toisiinsa ei tunneta. Epidemiologinen tutkimus on varteenotettava keino tutkia lisääntymistulokseen vaikuttavia ympäristötekijöitä sekä tammojen ja orien ominaisuuksia suhteellisen luotettavasti, sillä epidemiologisissa tutkimuksissa otoskoot ovat suuria. Toisaalta erilaisten muuttujien suuri määrä aiheuttaa tulosten virhetulkintavaaran etenkin, jos analyyseissä ei ole käytetty asiaankuuluvia monimuuttujamalleja. Tämän lisensiaatin tutkielman tavoitteena oli selvittää, minkälaisia epidemiologisia tutkimuksia hevosten lisääntymisestä on tehty ja mitä niissä on havaittu, sekä arvioida tehtyjä tutkimuksia ja tulosten luotettavuutta. Lisääntymisen mittarina ja vastemuuttujana epidemiologisessa tutkimuksessa käytetään esimerkiksi varsomisprosenttia, tiinehtymisprosenttia tai uusimattomuusprosenttia. Joissain maissa hevosten lisääntymistulos on vuosien saatossa heikentynyt, toisissa parantunut. Hyvä kokonaiskäsitys lisääntymistulokseen vaikuttavista tekijöistä on tarpeen niin uusia tutkimuksia suunniteltaessa kuin käytännön hevosjalostuksessakin. Merkittävimmät hevosen lisääntymistulokseen vaikuttavat tekijät tähän työhön valittujen tutkimusten valossa ovat tamman ikä ja lisääntymishistoria, ori, rotu, astutus- tai siemennystapa ja kiiman järjestysnumero. Lisäksi joillain hormonihoidoilla ja moniovulaatioiden ja –tiineyksien esiintymistiheydellä havaittiin olevan vaikutusta lopulliseen lisääntymistulokseen. Monessa tähän työhön valitussa tutkimuksessa tilastollisia analyysejä oli käytetty puutteellisesti tai jopa virheellisesti. Läheskään kaikissa tutkimuksissa ei ollut käytetty monimuuttuja-analyysiä, jolloin tuloksista on saatettu tehdä liian yksioikoisia päätelmiä. Näistä syistä kaikkia tähän työhön valittujen tutkimusten tuloksia ei voida pitää täysin luotettavina. Epidemiologiset tutkimukset ovat alttiita ulkoisten sekoittavien tekijöiden vaikutukselle, joten niiden huomioiminen aineistoa kerätessä, analysoitaessa ja tuloksista keskustellessa edellyttää tutkijoilta varsin syvällistä perehtyneisyyttä sekä oman aiheensa biologiaan että oikeiden tilastollisten ja epidemiologisten analysointimenetelmien valintaan ja käyttämiseen, jotta vääriltä johtopäätöksiltä vältyttäisiin. Referoitaessa tehtyjä tutkimuksia on käytetyt menetelmät ja tulosten tulkinta syytä tarkistaa ja raportoida sekä varmistaa, että analyysit on suoritettu oikein ja tulokset perustuvat todelliseen tieteelliseen näyttöön.
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 | 0,006 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,007 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,026 | 0,007 |
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 ».