Récurrence de mammite clinique chez la vache laitière : incidence, facteurs de risque et impacts
Bibliographic record
Abstract
La mammite clinique (MC) est l'une des maladies les plus fréquentes et plus coûteuses touchant les vaches laitièrs. Un des L'aspect frustrant de la MC est sa récurrence. Il n’existe actuellement aucune étude exhaustive sur le risque de récurrence de la MC, les facteurs de risque de cas répétés de MC et ses impacts. Cependant, la récurrence de la MC chez les vaches laitières a été abordée dans de nombreuses études indépendantes. Par conséquent, un examen de portée a été effectué afin de développer des connaissances sur le risque de récurrence de la MC, ses facteurs de risque et ses impacts négatifs. Deux bases de données (PubMed et CAB Abstracts) et une plate-forme de recherche (Web of Science) ont été utilisées pour récupérer de nombreuses publications scientifiques pertinentes publiées en anglais et français après 1989. Cinquante-sept articles ont été sélectionnés pour la synthèse qualitative. Trente-trois, 19 et 37 études choisies inclurent respectivement des descriptions et des données sur les cas récurrents de MC, ses impacts négatifs et ses facteurs de risque. Ensuite, une méta-analyse et une méta-régression ont été effectuées pour calculer le rapport de risque (RR), permettant de comparer le risque de MC chez les vaches ayant subi un cas de MC dans une lactation donnée par rapport au risque de MC chez les vaches en santé. Le nombre total de lactations suivies et le nombre de lactations avec ≤ 1 et ≤ 2 cas de MC ont été rapportés dans neuf études et cette information a été utilisée dans la méta-analyse. Ces neuf études ont ensuite été séparées en deux groupes selon le temps minimum entre deux cas pour considérer qu'un cas subséquent est un nouveau cas ; ceux avec des échéances de 24 heures et de ≥ 5 jours entre deux cas de MC, considérant la prochaine occurrence de MC comme étant un nouveau cas de MC. Pour les études avec d'un délai minimum de seulement 24 heures, les vaches ayant déjà subi un cas de MC dans une lactation donnée avaient un RR de 1,5 fois plus élevé pour une MC récurrente comparativement aux vaches en santé. Cependant, pour les études demandantdes délais ≥ 5 jours entre deux cas de MC, le risque de cas répétés de MC n’était pas différent chez les vaches ayant déjà subi un cas de MC dans une lactation donnée comparativement aux vaches en santé (RR : 0,99, IC à 95 % : 0,86 et 1,1). Dans cette étude, la diminution de la production laitière et le risque accru de décès et de réforme ont été identifiés comme étant des impacts négatifs importants de la MC récurrente. Les vaches laitières âgées, les vaches laitières à haute production laitière et le manque de guérison bactériologique à la suite d’un premier cas de MC ont été identifiés comme étant les plus importants facteurs de risque de la MC récurrente. Une meilleure compréhension concernant les caractéristiques des vaches et des agents pathogènes associés à la récurrence des événements de MC pourrait éventuellement aider à contrôler ces événements récurrents, à réduire les coûts associés et à diminuer les quantités d'antibiotiques utilisées dans les fermes laitières. De plus, l'acquisition de ces connaissances pourrait également être utile pour prédire la probabilité d'un événement récurrent de MC et pourrait par conséquent être utile pour développer des outils servant à formuler les décisions de gestion des producteurs laitiers concernant la MC.
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 | 0.011 | 0.043 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.005 | 0.009 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 0.001 |
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".