MétaCan
Menu
Retour à la cohorte
Enregistrement W1708491468

Incidence of Coxofemoral Joint Affections in Dogs - A Clinical Study of 575 patients

2012· article· en· W1708491468 sur OpenAlexaboutno aff
A. Arun Prasad, Mohd. Shafiuzama, S. Ayyappan, R. Sureshkumar, R. Jayaprakash

Notice bibliographique

RevueINTAS POLIVET · 2012
Typearticle
Langueen
DomaineVeterinary
ThématiqueVeterinary Orthopedics and Neurology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineBreedIncidence (geometry)Labrador RetrieverHip dysplasiaOsteoarthritisGerman Shepherd DogEpidemiologySurgeryInternal medicineAnimal scienceRadiographyBiologyPathology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Coxofemoral joint affections were recorded in 575 dogs of different breed, age and sex during the period from 2007 to 2010. Amongst that, hip dysplasia accounted for 54%, osteoarthritis 28% and fracture luxation 18%. The incidence of hip dysplacia in susceptible breeds less than one year of age was 64% and majority of them were in the age group of 4 to 8 months (71%). Labrador retriever was found to be the most prone breed (43%) for hip dysplasia. While osteoarthritis was highest in German shepherd dogs (30%) with highest incidence in more above four years old dogs (82%). Fracture luxation was found to be common in less than one year of age dogs (51%) and Labrador retriever (23%) was the most affected breed. The age wise distribution of coxofemoral joint affection was 45% in less than 1 year old dogs because of the active period of growth, 19% in 1 to 4 year of adult dogs and 36% in more than 4 year old dogs. Among sex both the populations were equally affected.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,470

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,175
Tête enseignante GPT0,433
Écart entre enseignants0,258 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueINTAS POLIVETMême sujetVeterinary Orthopedics and NeurologyTravaux en français237 207