Morbidity of Swedish horses insured for veterinary care between 1997 and 2000: variations with age, sex, breed and location
Notice bibliographique
Résumé
The aim of this study was to evaluate the potential usefulness of the database maintained by the Swedish insurance company Agria for providing disease statistics on Swedish horses. The demography of the horses insured for veterinary care during the period 1997 to 2000 was recorded and the incidence of morbidity, defined as horses that required veterinary care that cost more than the policy excess, was calculated. Yearly incidences were calculated for horses that required veterinary care at least once, first overall, and then for horses with complete insurance, by sex, age, breed group, breed, location and human population density. Poisson regression was applied to a multivariable model to produce estimates of relative risk adjusted for other factors in the model, such as age. The total number of horse-years at risk for those with complete insurance was over 72,000 each year. The annual incidence rate for horses that required veterinary care at least once varied from 1080 to 1190 events per 10,000 horse-years at risk; for geldings the averaged incidence rate was 1398 events, for mares it was 1042 events, and for stallions it was 780 events per 10,000 horse-years at risk. There were considerable variations in incidence rate between breeds.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».