Nutritional therapies to improve health: lessons from companion animals
Notice bibliographique
Résumé
Companion animals represent an under-utilised resource. The present paper is designed to encourage collaborative studies. Dogs and cats are out-bred animals that are willing to consume a consistent diet for long periods, so are ideal candidates for prospective studies of naturally-occurring disease. In some studies the effect of diet on survival has been substantial. Food restriction, for example, slows the development of osteoarthritis and increases the lifespan of Labrador retrievers by 2 years, protein and P restriction more than doubles the median survival time of dogs and cats with chronic kidney disease and adding n-3 fats and arginine to the diet of dogs with stage 3 lymphoma improves median survival time by one-quarter. Obesity is also very common in both dogs and cats and is also associated with disease as in human subjects. When interpreting these results, however, it is essential to take into account pathophysiological differences among species. Dogs and cats do not display all the characteristics of metabolic disease in human subjects, they metabolise fat well and atherosclerosis and cardiac infarction are uncommon. Such differences should not, however, preclude further study because differences among species often clarify knowledge. Monitoring of disease in companion animals may also provide a surveillance system for the safety of the food supply, as illustrated by recent outbreaks of acute renal failure and liver failure in cats and dogs in the USA caused respectively by melamine and mycotoxin contamination of pet foods.
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) | 0,002 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».