Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.contributor | North Carolina State University (NCSU) | - |
Autor(es): dc.contributor | Michigan State University (MSU) | - |
Autor(es): dc.creator | Pivato, Giovana Mancilla | - |
Autor(es): dc.creator | da Silva, Gustavo Venâncio | - |
Autor(es): dc.creator | Peres, Beatriz Granetti | - |
Autor(es): dc.creator | Luna, Stelio Pacca Loureiro | - |
Autor(es): dc.creator | Pairis-Garcia, Monique Danielle | - |
Autor(es): dc.creator | Trindade, Pedro Henrique Esteves | - |
Data de aceite: dc.date.accessioned | 2025-08-21T21:55:37Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T21:55:37Z | - |
Data de envio: dc.date.issued | 2025-04-29 | - |
Data de envio: dc.date.issued | 2025-11-30 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1038/s41598-025-91551-6 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/301605 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/301605 | - |
Descrição: dc.description | Surgical castration of males is carried out on a large scale in the US swine industry and the pain resulting from this procedure can be assessed using the Unesp-Botucatu pig composite acute pain scale (UPAPS). We aim to propose a short version of UPAPS based on the behaviors best-ranked by a random forest algorithm. We used behavioral observations from databases of surgically castrated pre-weaned and weaned pigs. We trained a random forest algorithm using the pain-free (pre-castration) and painful (post-castration) conditions as target variable and the 17 UPAPS pain-altered behaviors as feature variables. We ranked the behaviors by their importance in diagnosing pain. The algorithm was refined using a backward step-up procedure, establishing the Short UPAPS. The predictive capacity of the original and short version of the UPAPS was estimated by the area under the curve (AUC). In refinement, the algorithm with the five best-ranked behaviors had the lowest complexity and predictive capacity equivalent to the algorithm with all behaviors. The AUC of Short UPAPS (89.62%) was statistically equivalent (p = 0.6828) to that of UPAPS (90.58%). In conclusion, the proposed Short UPAPS might facilitate the implementation of a standard operating procedure to monitor and diagnose acute pain post-castration in large-scale systems. | - |
Descrição: dc.description | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | - |
Descrição: dc.description | Laboratory of Applied Artificial Intelligence in Health Department of Anesthesiology Botucatu Medical School São Paulo State University (Unesp), São Paulo | - |
Descrição: dc.description | Department of Veterinary Surgery and Animal Reproduction School of Veterinary Medicine and Animal Science São Paulo State University (Unesp), São Paulo | - |
Descrição: dc.description | Global Production Animal Welfare Laboratory Department of Population Health and Pathobiology College of Veterinary Medicine North Carolina State University (NCSU) | - |
Descrição: dc.description | Department of Large Animal Clinical Sciences College of Veterinary Medicine Michigan State University (MSU) | - |
Descrição: dc.description | Laboratory of Applied Artificial Intelligence in Health Department of Anesthesiology Botucatu Medical School São Paulo State University (Unesp), São Paulo | - |
Descrição: dc.description | Department of Veterinary Surgery and Animal Reproduction School of Veterinary Medicine and Animal Science São Paulo State University (Unesp), São Paulo | - |
Descrição: dc.description | CAPES: 001 | - |
Descrição: dc.description | CAPES: 002 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Scientific Reports | - |
???dc.source???: dc.source | Scopus | - |
Título: dc.title | Proposing a short version of the Unesp-Botucatu pig acute pain scale using a novel application of machine learning technique | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: