Comparison of urine composition of healthy Labrador Retrievers and Miniature Schnauzers
Notice bibliographique
Résumé
OBJECTIVE: To compare urine composition in Labrador Retrievers (LR) and Miniature Schnauzers (MS) fed the same dog food. ANIMALS: 8 healthy LR (mean [+/- SD] age, 3.1+/-1.7 years) and 8 healthy MS (mean age, 3.7+/-1.3 years). PROCEDURE: A nutritionally complete dry dog food was fed to the dogs for 24 days. Urinary pH, volume, specific gravity, frequency of urination, and urinary concentrations of 12 analytes were measured for each dog; urinary relative supersaturation (RSS) with calcium oxalate and brushite (calcium hydrogen phosphate dihydrate) were calculated from these values. RESULTS: MS urinated significantly less often and had a lower urine volume (ml/kg of body weight per d) and a significantly higher urine pH, compared with LR. Urinary calcium concentration and brushite RSS were significantly higher in the urine of MS. As a result of a high calorie requirement, primarily as a result of high surface area to volume ratio, MS had significantly higher intake (per kg body weight) of dietary minerals, compared with LR. CONCLUSIONS AND CLINICAL RELEVANCE: Differences in urine composition exist between breeds fed the same diet, some of which, including lower urine volume, higher calcium concentration, and higher brushite RSS, may contribute to the high prevalence of calcium oxalate uroliths observed in MS. Differences between breeds should be considered when evaluating strategies for controlling calcium oxalate stone formation.
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 | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».