Multiple endocrine diseases in dogs: 35 cases (1996–2009)
Notice bibliographique
Résumé
OBJECTIVE: To characterize a population of dogs from a tertiary care center with 2 or more endocrine disorders, including the specific disorders and time intervals between diagnosis of each disorder. DESIGN: Retrospective case series. ANIMALS: 35 dogs with 2 or more endocrine disorders. PROCEDURES: Medical records were reviewed, and the following was recorded: clinical signs, physical examination findings, and the results of CBC, serum biochemical analysis, urinalysis, aerobic bacterial culture of urine samples, endocrine testing, diagnostic imaging, and necropsy. RESULTS: 35 dogs with more than 1 endocrine disorder were identified. Seventy-seven percent (27/35) of the dogs were male, and the mean age at the time of diagnosis of the first endocrinopathy was 7.9 years. Miniature Schnauzer was the most common breed. Twenty-eight of 35 (80%) dogs had 2 disorders; 7 (20%) had 3 disorders. The most common combinations of disorders included diabetes mellitus and hyperadrenocorticism in 57.1 % (20/35) of dogs; hypoadrenocorticism and hypothyroidism in 22.9% (8/35) of dogs; and diabetes mellitus and hypothyroidism in 28.6% (10/35) of dogs. A mean of 14.5 months elapsed between diagnosis of the first and second endocrine disorders, whereas there was a mean of 31.1 months between diagnosis of the first and third endocrine disorders. CONCLUSIONS AND CLINICAL RELEVANCE: Results suggested that the occurrence of multiple endocrine disorders was uncommon in dogs. The most common combinations of endocrine disorders in this population of dogs were diabetes mellitus and hyperadrenocorticism, followed by hypoadrenocorticism and hypothyroidism.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».