MétaCan
Menu
Retour à la cohorte
Enregistrement W2106495046 · doi:10.1111/jsap.12079

Relationships between heart rate and age, bodyweight and breed in 10,849 dogs

2013· article· en· W2106495046 sur OpenAlexaboutno aff
Melanie Hezzell, Karen Humm, Steven Dennis, L. Agee, Adrian Boswood

Notice bibliographique

RevueJournal of Small Animal Practice · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiovascular Conditions and Treatments
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineBreedHeart rateInternal medicineDemographyVeterinary medicineCardiologyAnimal scienceBlood pressure

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: To evaluate relationships between heart rate and clinical variables in healthy dogs and dogs examined at a referral hospital. METHODS: Clinical data were extracted from the electronic patient records of a first opinion group (5000 healthy dogs) and a referral hospital (5849 dogs). Univariable and multi-variable general linear models were used to assess associations between heart rate and clinical characteristics. Separate multi-variable models were constructed for first opinion and referral populations. RESULTS: In healthy dogs, heart rate was negatively associated with bodyweight (P<0.001) but was higher in Chihuahuas. The mean difference in heart rate between a 5 and 55 kg dog was 10.5 beats per minute. In dogs presenting to a referral hospital, heart rate was negatively associated with bodyweight (P<0.001) and the following breeds; border collie, golden retriever, Labrador retriever, springer spaniel and West Highland white terrier and positively associated with age, admitting service (emergency and critical care, emergency first opinion and cardiology) and the following breeds; Cavalier King Charles spaniel, Staffordshire bull terrier and Yorkshire terrier. CLINICAL SIGNIFICANCE: Bodyweight, age, breed and disease status all influence heart rate in dogs, although these factors account for a relatively small proportion of the overall variability in heart rate.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,046
Tête enseignante GPT0,290
Écart entre enseignants0,244 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations65
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Small Animal PracticeMême sujetCardiovascular Conditions and TreatmentsTravaux en français237 207