A Retrospective Histopathological Survey on Canine and Feline Liver Diseases at the University of Tokyo between 2006 and 2012
Notice bibliographique
Résumé
To determine the incidence of hepatic diseases in dogs and cats in Japan, a retrospective study was performed using data of 463 canine and 71 feline liver biopsies at the Veterinary Medical Center of the University of Tokyo. The most common canine hepatic disease was microvascular dysplasia (MVD) and occupied 29.4% of all diagnoses. This terminology might contain "real" MVD and primary portal vein hypoplasia, because these two conditions were difficult to be clearly distinguished histopathologically. Parenchymal and interstitial hepatitis and primary hepatic tumors accounted for 23.5% and 21.0% of the diagnoses, respectively. Parenchymal and interstitial hepatitis occupied 34.1% of non-proliferative canine hepatic diseases, while hepatocellular adenoma and carcinoma were 26.6% and 24.5% of proliferative hepatic diseases, respectively. Breed-specificity was seen in MVD for Yorkshire terrier, Papillon and Toy poodle, in hepatitis for Doberman pinscher and Labrador retriever, in cholangiohepatitis for American cocker spaniel, Miniature schnauzer and Pomeranian, in hepatocellular adenoma for Golden retriever and Shiba and in hepatocellular carcinoma for Shih Tzu. The most common feline liver disease was parenchymal and interstitial hepatitis (45.1% of all diagnoses). Among feline hepatitis, neutrophilic cholangiohepatitis (23.9%), lymphocytic cholangiohepatitis (14.1%) and chronic hepatitis (5.6%) were recorded. Adult polycystic liver disease was 5.6%. Among proliferative diseases in the feline liver (11.3% of the all), lymphoma (4.2%) and primary epithelial tumors (4.2%) including hepatocellular carcinoma, cholangiocellular adenoma and cholangiocellular carcinoma were observed. Hepatic degeneration was 14.1%, and MVD was 12.7%, respectively.
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) | 0,000 | 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 | 0,000 |
| 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 ».