Serologic and Urinary PCR Survey of Leptospirosis in Healthy Cats and in Cats with Kidney Disease
Notice bibliographique
Résumé
BACKGROUND: Although there is serologic evidence of exposure of cats to Leptospira spp., clinical disease is rarely reported in cats. OBJECTIVE: To compare the seropositivity and urinary polymerase chain reaction (PCR) status for Leptospira spp. between healthy (H) cats and cats with kidney disease (KD), to investigate the serovars potentially involved, and to evaluate potential risk factors. ANIMALS: Two hundred and forty client-owned cats. METHODS: Cats were prospectively recruited and classified based on physical examination, complete blood count, serum biochemistry profile, and urinalysis (125 H and 115 KD cats). Leptospira spp. serology (titers ≥1 : 100 considered positive) and urinary PCR were performed in all cats. Data assessing risk factors, obtained from a questionnaire, were evaluated using logistic regression models. RESULTS: Seropositivity for Leptospira spp. was statistically different between groups: 7.2% (9/125) and 14.9% (17/114) in the H and KD, respectively (P = .05). The proportion of PCR-positive cats was not. The most common serovars detected serologically were Pomona (n = 16) and Bratislava (n = 8). Risk factors for seropositivity included outdoor and hunting lifestyles (P = .03 and P < .001, respectively), the presence of another cat in the household (P < .01), and the sampling period, with the greatest number of cases identified between June and August (P =.02). CONCLUSIONS: Seropositivity was significantly greater in KD cats, suggesting that the role of Leptospira spp. in KD in cats should be further investigated. The detection of urinary shedding of leptospires in several cats identifies a potential role in the transmission of the organism.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».