Bibliographic record
Abstract
La mammite bovine cause des pertes économiques importantes et récurrentes sur l'industrie laitière dans le monde. L'objectif principal de cette étude était d'estimer les coûts associés à la mammite sur les fermes laitières canadiennes en 2015. Les cadres économiques de la mammite précédemment publiés ont été utilisés pour préparer un modèle économique avec les composantes de coûts les plus importantes. Un questionnaire a été conçu et envoyé par la poste à 374 producteurs laitiers choisis au hasard dans l'Étude Laitière Nationale du Canada 2015 pour recueillir des données sur ces composantes des coûts, et 145 (39%) producteurs laitiers ont retourné un questionnaire rempli. Pour chaque troupeau, les coûts liés aux différentes composantes liés à la mammite et la proportion des coûts attribuables à une composante spécifique ont été calculés. Les coûts de la mammite étaient importants (662 CAD par vache-an pour une ferme laitière canadienne typique), une grande partie des coûts (48%) étant attribuée à la mammite sub-clinique (SCM) et 34% et 15% à la mammite clinique (CM) et aux mesures préventives, respectivement. Pour la SCM, les deux composantes de coûts les plus importantes étaient la diminution de production laitière et la réforme subséquente (respectivement 72% et 25% des coûts de mammite sub-clinique). Pour la CM, la première, la deuxième et la troisième composante des coûts étaient, respectivement, la réforme (48% des coûts de CM), la réduction du rendement laitier dû à la CM (34%) et, finalement, le lait jeté suite à la mammite (11%). Cette étude est la première depuis 1990 à étudier les coûts de la mammite au Canada. Les chiffres obtenus dans la présente étude pourraient être utilisés pour créer un modèle économique pour calculer les coûts de la mammite au niveau troupeau et au niveau national au Canada.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.003 | 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".