Bibliographic record
Abstract
Il existe plusieurs moyens d'augmenter la rentabilité d'une exploitation laitière. Parmi celles-ci, la réforme peut avoir un effet sur la production moyenne du troupeau et par conséquent sur les coûts de production de par la modulation de la structure du troupeau qu'elle entraîne. Afin de déterminer une rentabilité optimale des troupeaux, il est donc important de quantifier la réforme et de comprendre les mécanismes qui amènent à réformer un animal. Cette thèse a pour objectif principal de décrire la réforme dans les troupeaux laitiers du Québec. Plus précisément, elle vise à quantifier le taux de réforme, à explorer la relation entre le troupeau, le taux de réforme et le risque individuel de réforme, à déterminer l'effet causal de la mammite clinique sur la réforme, et à identifier les critères de décision utilisés lors de la réforme par les producteurs et les différents intervenants à la ferme. Une étude rétrospective longitudinale a été menée à partir des informations de santé et de production des vaches des troupeaux laitiers du Québec (Canada). Dix années de données, entre 2001 et 2010, ont été utilisées afin de déterminer des profils de troupeau et leurs taux de réforme, et un éventuel lien entre ceux-ci. L'influence du troupeau sur le risque individuel de réforme d'une part, et l'effet causal de la mammite clinique sur la réforme d'autre part, ont été explorés respectivement par analyse contextuelle et à l'aide d'un modèle marginal structural. Les critères de décision de réforme communs entre les producteurs, vétérinaires et autres conseillers ont été identifiés grâce à la méthodologie Q, qui permet de révéler la structure décisionnelle des individus. Cette étude a permis de quantifier un taux de réforme moyen de 32% sur les dix années de suivi de la cohorte, avec des variations importantes entre troupeaux. Il n'a pas été possible de déterminer des profils spécifiques de troupeaux en fonction d'un ensemble de caractéristiques liées à leurs performances de reproduction, de production, à leur gestion et indicateurs de santé. Il est, par contre, possible de les distinguer en fonction de certaines caractéristiques prise une à une et d'y associer le taux de réforme, notamment pour la gestion, la reproduction et la quantité de lait produite. Ces caractéristiques peuvent servir de variables contextuelles dans des analyses multiniveaux. Un effet contextuel du troupeau est présent dans le risque individuel de réforme, mais limité. Il résulte essentiellement de la pression exercée par les primipares arrivant dans le troupeau. Le risque de réforme dû à la mammite clinique, évalué dans le cadre contrefactuel d'une étude longitudinale où l'exposition est dépendante du temps, est comparable entre primipares et multipares. Pour ce risque, la production laitière a moins d'influence chez les primipares que chez les multipares. Les producteurs et leurs conseillers se réfère à un cadre de décision commun pour réformer une vache, se référant essentiellement à la santé mammaire de la vache et à sa production de lait. Le taux de réforme du troupeau n'intervient pas dans la décision de réformer une vache particulière.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".