Survey-based analysis of risk factors for injury among dogs participating in agility training and competition events
Notice bibliographique
Résumé
OBJECTIVE: To identify potential risk factors for agility-related injuries among dogs. DESIGN: Internet-based, retrospective, cross-sectional survey. ANIMALS: 3,801 privately owned dogs participating in agility training or trials. PROCEDURES: A retrospective electronic survey was used to investigate potential risk factors for injury among dogs participating in agility-related activities. Respondents were handlers recruited through member lists of large canine agility associations in Canada and the United Kingdom and through promotion on an agility blog site. Variables evaluated included demographic information for handlers and dogs, exposure variables (eg, frequency of agility practice and competition in the past year), and use of preventive measures intended to keep dogs fit for agility (warmup, cooldown, or conditioning exercises; alternative therapeutic treatments [eg, acupuncture, massage, or chiropractic care]; or dietary supplement products). RESULTS: Data were collected from 1,669 handlers of 3,801 agility dogs internationally; 1,209 (32%) dogs incurred ≥ 1 injury. Previous injury (OR, 100.5), ≤ 4 years of agility experience for dogs (OR, 1.5), use of alternative therapeutic treatments (OR, 1.5), and Border Collie breed (OR, 1.7) were associated with increased odds of injury. Handlers having 5 to 10 or > 10 years of experience (OR, 0.8 and 0.6, respectively) and dogs having > 4 years of experience in the sport (OR, 0.6) were associated with decreased odds of injury. CONCLUSIONS AND CLINICAL RELEVANCE: Specific factors were associated with agility-related injuries in dogs. Educational prevention strategies should target at-risk populations in an effort to reduce potential injuries. Future research should focus on the biomechanical factors associated with agility-related injuries.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 ».