Titelaufnahme

Titel
Untersuchungen der Nutzung von Aktivitätsdaten zur Brunsterkennung bei Jungrindern / von Simon Harnisch
VerfasserHarnisch, Simon
BetreuerSpilke, Joachim Prof. Dr. ; Büscher, Wolfgang Prof. Dr. ; Klunker, Michael Prof. Dr.
Erschienen2013 ; Halle, Saale : Universitäts- und Landesbibliothek Sachsen-Anhalt, 2013
UmfangOnline-Ressource (152 Bl. = 1,67 mb)
HochschulschriftHalle, Univ., Naturwissenschaftliche Fakultät III, Diss., 2013
Anmerkung
Tag der Verteidigung: 24.06.2013
Sprache der Zusammenfassung: Englisch
SpracheDeutsch
DokumenttypE-Book
SchlagwörterRinderzucht / Jungrind / Sexueller Zyklus / Brunst / Lineares Modell / Halle
URNurn:nbn:de:gbv:3:4-10462 
Zugriffsbeschränkung
 Das Dokument ist frei verfügbar.
Dateien
Untersuchungen der Nutzung von Aktivitätsdaten zur Brunsterkennung bei Jungrindern [1.66 mb]
Links
Nachweis
Keywords
lineare gemischte Modelle; Modellwahl; Aktivität; tägliche Aktivitätsdynamik; weibliche Jungrinder; Brunsterkennung; Entscheidungsalgorithmus
Keywords (Englisch)
linear mixed models; model selection; activity; daily activity dynamics; dairy heifers; estrus detection; decision-making algorithm
Keywords
Die Zielstellung vorliegender Untersuchungen bestand darin basierend auf einer Analyse der Aktivitätsdynamik eine begründete Aussage darüber zu treffen auf welchen Vergleichsmaßstab die beobachteten Aktivitätsdaten zu beziehen sind. Als Konsequenz der daraus gewonnenen Erkenntnisse ist ein Entscheidungsalgorithmus zu entwickeln durch den ein erhöhtes Aktivitätsniveau im brünstigen Zustand für die Brunsterkennung nutzbar ist. Zur Unterstützung der Identifizierung zu prüfender Varianten des Entscheidungsalgorithmus wurde für die Beschreibung der Aktivitätsdynamik ein lineares gemischtes Modell genutzt. Als Referenz für die Brunsterkennung dienten die mit Hilfe der Hormonverläufe von Progesteron und Estradiol-17β nachgewiesenen Brünste. Ergebnis ist eine Erkennungsrate von 86.84 % eine Fehlerrate von 21.42 % und eine Spezifität von 99.50 %. Die vorliegenden Ergebnisse zeigen eine hohe Effizienz der Brunsterkennung. Bei der Entwicklung eines Entscheidungsalgorithmus kommt der Nutzung der bestandsspezifischen Aktivitätsdynamik eine besondere Bedeutung zu.
Keywords
The aim of these investigations was to make a well-founded statement about which standard of comparison to use for the observed activity data based on an analysis of activity dynamics. Using the knowledge that was gained a decision-making algorithm was to be developed to detect estrus based on an increased level of activity during estrus. Supporting different variants of the decision-making algorithm a linear mixed model was used as an evaluation method to describe the activity dynamics. Estrus periods that were identified by hormone cycles of progesterone and estradiol-17β served as references for estrus detection. This results in a detection rate of 86.84 % an error rate of 21.42 % and a specificity of 99.50 %. The present results display a high efficiency rate for detecting estrus. At the same time increasing importance is being placed on the population-specific activity dynamics for developing a decision-making algorithm.