MétaCan
Menu
← Retour à la cohorte
Enregistrement W7084409462 · doi:10.5683/sp3/ozg62l

Replication Data for: The effects of hot-iron application method on wound characteristics and healing in dairy calves

2025· dataset· en· W7084409462 sur OpenAlexaff

Notice bibliographique

RevueBorealis · 2025
Typedataset
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésWound healingFrench hornReplication (statistics)Wound treatment

Résumé

récupéré en direct d'OpenAlex

Hot-iron disbudding is the most commonly used method for horn bud removal in dairy calves. While factors such as post-treatment care, calf age, and hot-iron brand have been studied in relation to wound healing, procedural factors—such as application time and tip size—have received little attention. The objective of this study was to evaluate the effects of hot-iron application time and tip size on wound characteristics and healing progression. Female Holstein calves (n = 24) were randomly assigned to one of two application times: 10 s vs. 20 s. Within each calf, one horn bud was disbudded using a small tip and the other with a large tip. Disbudding was performed at 28 d of age using multimodal pain management (sedation, local nerve block, and analgesics). Wound size and depth were measured on the day of disbudding and every three days thereafter until the wounds had fully re-epithelialized. Wounds were also photographed for classification of tissue type. Wounds resulting from the large tip were larger and shallower than those created with the smaller tip, requiring more time to re-epithelialize (51.9 ± 2.04 d vs. 45.3 ± 2.04 d). Wounds from the 20-s application were larger and deeper than those from the 10-s application, but this did not result in increased time to re-epithelialization. Evidence of horn development after disbudding was observed in 15 of the 24 buds treated with the small tip versus 3 of the 24 treated with the larger tip. These findings suggest that larger tips increase wound size and healing times, and that a 10-s application time is sufficient to prevent horn growth.

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)0,023
score de la tête « metaresearch » (Gemma)0,091
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,111
Score d'incertitude au seuil0,372

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0230,091
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0020,003
Études des sciences et des technologies0,0030,001
Communication savante0,0020,002
Science ouverte0,0030,002
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,1110,020

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 Opus0,307
Tête enseignante GPT0,628
Écart entre enseignants0,321 · 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'étudeSans objet
Domainenon disponible
GenreJeu de données

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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBorealis→Même sujetHealth Policy Implementation Science→Travaux en français237 207→