MétaCan
Menu
Retour à la cohorte
Enregistrement W2017873322 · doi:10.1111/j.1748-5827.2003.tb00114.x

Comparison of three distraction methods and conventional radiography for early diagnosis of canine hip dysplasia

2003· article· en· W2017873322 sur OpenAlexaboutno aff
Stefanie Ohlerth, André Busato, Monika Rauch, Ulrich Weber, Johann Lang

Notice bibliographique

RevueJournal of Small Animal Practice · 2003
Typearticle
Langueen
DomaineVeterinary
ThématiqueVeterinary Orthopedics and Neurology
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Pennsylvania
Mots-clésMedicineRadiographyHip dysplasiaDistractionPredictive valueSurgeryRadiologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Two radiographic distraction techniques (one employing a wooden lath and, the other, a PennHip distractor), an ultrasonographic distraction method and conventional radiographic Fédération Cynologique Internationale (FCI) hip score were evaluated in eight-month-old Labrador retrievers to determine the most reliable method for predicting radiographic FCI hip score at the age of one year. With reference to the FCI hip score, sensitivity and specificity of the PennHip method were 100 per cent and 54 per cent; sensitivity and specificity of the lath technique were 85 per cent and 71 per cent; whereas they were 62 per cent and 67 per cent for the ultrasonographic method. For all distraction methods, the positive predictive value (PPV) was moderate and the negative predictive value (NPV) was high. Sensitivity, specificity, PPV and NPV were 100 per cent for the FCI hip score. It is concluded that, at the age of eight months, FCI hip score is the most reliable method for predicting FCI hip score at the age of one year in the colony of dogs investigated. Both the PennHip and lath method were also clinically reliable techniques in predicting true negatives. The ultrasonographic distraction method was moderately reliable.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,003
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,152
Tête enseignante GPT0,436
Écart entre enseignants0,284 · 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 source (Gemma direct ou Codex distillé), 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

Citations29
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Small Animal PracticeMême sujetVeterinary Orthopedics and NeurologyTravaux en français237 207