Impact of the first incidence of mastitis or lameness on production and economic indicators on first lactation cows
Bibliographic record
Abstract
La mammite et la boiterie sont deux maladies qui figurent parmi les maladies les plus fréquentes aujourd’hui dans l’industrie laitière canadienne, avec une prévalence de 21 % et 20 % respectivement. Ces maladies peuvent diminuer les performances des vaches, tout en augmentant les pertes économiques et les risques de réforme. L’objectif de ce projet de recherche était d’identifier le ou les stades de la lactation où l’incidence de la mammite ou de la boiterie a l’impact le plus important sur la productivité et la rentabilité des vaches laitières. L’étude visait également à évaluer l’impact de ces maladies sur la production et la performance économique des vaches ayant complété 100 jours en lait (JEL) et 305 JEL. Nous avons pour ce faire conduit une étude rétrospective longitudinale à l’aide de données obtenues du Dossier Santé Animal Health Record (DSAHR) et des données de contrôle laitier (production laitière, inséminations, valeur du lait, et coûts d’alimentation) de vaches primipares ayant vêlé entre 2000 et 2015, compilées par Valacta (Lactanet) chez 848 troupeaux. Ces données ont ensuite été triées pour ne conserver que les dossiers de santé complets, résultant en une base de données comptant les informations de vaches ayant vêlé entre 2003 et 2014 chez un total de 103 troupeaux. Le moment du premier épisode de mammite ou de boiterie a été identifié pour chacune des vaches, qui ont été regroupées en quatre stades de lactation, selon le moment auquel s’était déclarée cette première incidence : période de transition (1-21 JEL), début de lactation (22-100 JEL), mi-lactation (101-200 JEL) et fin de lactation (201 JEL et +). Pour tenir compte de leur productivité, les vaches en mi- et en fin de lactation ont été classées en fonction de leur production laitière cumulative précédent le premier cas de mammite ou de boiterie. Trois variables de production (production laitière cumulative, production de gras, et production de protéine) et 3 variables économiques (valeur du lait pour la lactation, marge sur coûts d’alimentation et profit brut) ont été analysées à l’aide d’un modèle mixte incluant le troupeau comme effet aléatoire. La période de transition a montré les pertes de production les plus élevées, les vaches ayant eu une mammite ou devenues boiteuses ayant produit respectivement 588 ± 115,6 kg et 1331 ± 206,4 kg de lait de moins que les vaches demeurées en santé. Aucune différence en termes de production laitière cumulative n’a été observée pour la période de transition, un résultat potentiellement expliqué par la réforme bien avant 305 JEL de 30 % des vaches ayant eu une mammite et de 40 % des vaches devenues boiteuses durant la période de transition. Les pertes de profits bruts ont été significatives pour les vaches ayant eu une mammite (-$ 485 ± 54,1 CAD) et pour les vaches devenues boiteuses (-$ 467 ± 102,9 CAD) durant la période de transition. Des différences substantielles ont aussi été observées pour les autres stades de la lactation, indiquant que des variables liées aux revenus générés par les vaches sont nécessaires pour bien évaluer les coûts réels associés à la mammite et à la boiterie. Ces données pourront aider les producteurs à faire des choix plus éclairés quant aux décisions de réforme et à mieux cibler les périodes critiques, afin de maximiser la rentabilité de leur troupeau et la longévité de leurs vaches
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 | 0.003 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| 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".