Epidemiology of canine glaucoma presented to University of Zurich from 1995 to 2009. Part 2: secondary glaucoma (217 cases)
Notice bibliographique
Résumé
OBJECTIVE: To investigate the epidemiology of canine secondary glaucomas in the cases presented to the University of Zurich, Vetsuisse Faculty (UZH) from 1995 to 2009 focusing on possible risk factors for developing secondary glaucoma in this population of dogs. METHODS: Information was obtained from the computer database of patients examined by members of the UZH Ophthalmology Service, between January 1995 and August 2009. Secondary glaucoma was diagnosed based on the presence of antecedent eye conditions. The data was evaluated for breed, gender, age at presentation, and for antecedent eye conditions known to cause glaucoma including anterior uveitis of unknown cause (AU), lens luxation (LL), intraocular surgery (SX), intraocular neoplasia (IN), unspecified trauma to the globe (T), ocular melanosis (OM), hypermature cataract (PY), hyphema (HY), and six other less frequent conditions. RESULTS: A total of 217 dogs were diagnosed with secondary glaucoma from 1995 to 2009. The age of the dogs with secondary glaucoma ranged between 88 days and 19 years (mean 7.7 ± 3.6 years). Data suggested a predisposition for secondary glaucoma in the Cairn Terrier and the Jack Russell Terrier breeds from 2004 to 2009. Common causes of secondary glaucoma from 1995 to 2009 were AU (23.0%), LL (22.6%), SX (13.4%), IN (10.6%), T (8.3%), OM and PY (both 6.9%) and HY (3.23%). CONCLUSION: The report presents the epidemiology of secondary glaucomas presented to UZH from 1995 to 2009. Fourteen risk factors were recorded for secondary glaucoma. This is the first paper documenting OM in the Swiss Cairn Terrier dog population.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».