Prevalence of And Risk Factors for Canine Tick Infestation in The United States, 2002–2004
Notice bibliographique
Résumé
Knowledge of the geographic range and seasonal activity of vector ticks is important for determining which people or animals are at risk of acquiring tick-borne infections. Several time-consuming methods requiring large-scale organization are used to map geographic and seasonal variations in tick distribution. A cost-effective, complementary approach to study tick distribution using a large nation-wide veterinary database is described in this paper. Prevalence of canine tick infestation in 40 states was estimated by analyzing electronic medical records of more than 8 million dog visits to Banfield veterinary hospitals in 2002-2004. Prevalence was defined as the proportion of dog visits in which tick infestation was recorded, and was expressed per 10,000 dog visits with 95% confidence intervals (CI). The overall prevalence (CI) of tick infestation was 52 (51, 53) dogs per 10,000 dog visits. Among states, Oklahoma (249 [229, 271) dogs with ticks per 10,000 dog-visits), Arkansas (242 [213, 274]), Connecticut (136 [119, 155]), West Virginia (130 [105, 161]), and Rhode Island (122 [97, 154]) ranked highest in prevalence of canine tick infestation. Overall prevalence peaked from May through July, although monthly prevalence varied by geographic region. In multiple logistic regression, younger dogs, male dogs, and sexually intact dogs, were at increased risk of tick infestation. Toy breeds were least likely to be infested, but no linear pattern of risk was evident with body weight. Identified risk factors should enable veterinarians to prevent tick infestation in pet dogs although differences in risk of tick infestation may be related to outdoor activity of dogs. Feasibility of collecting information for surveillance of vectors ticks on a national level using this large, electronic veterinary database is discussed.
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 | 0,001 |
| 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 | 0,000 |
| 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 ».