Multivariate Analysis of Morphometric Characteristics to Evaluate Risk Factors for Cranial Cruciate Ligament Deficiency in Labrador Retrievers
Notice bibliographique
Résumé
OBJECTIVES: To determine the combination of conformation characteristics of the pelvic limbs of Labrador Retrievers that best discriminates between limb at risk to develop cranial cruciate ligament (CCL) disease and limbs at low risk using radiographs, computerized tomography (CT) images, and dual-energy X-ray absorptiometry (DEXA). STUDY DESIGN: Cross-sectional clinical study. ANIMALS: Twelve clinically normal and 9 unilaterally CCL-deficient Labrador Retrievers. METHODS: The pelvic limbs of normal dogs were considered as non-predisposed to CCL disease and the contralateral limbs of CCL-deficient dogs as predisposed. Conformation variables, obtained from femur and tibial radiographs, pelvic limb CT images and DEXA studies, of predisposed pelvic limbs were compared with the conformation variables from pelvic limbs of the low-risk group. An ROC curve analysis was used to assess the discriminating properties of conformation variables for several combinations. RESULTS: We determined that a combination of tibial plateau angle (TPA) and femoral anteversion angle (FAA) measured on radiographs was optimal for discriminating predisposed and non-predisposed limbs for CCL disease in Labrador Retrievers. CONCLUSIONS: Assessing predisposition to CCL disease with a combination of conformational measurements is better than using univariate parameters. In the future, TPA and FAA may be used to screen dogs suspected of being susceptible to CCL disease.
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 | 0,003 |
| 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) | 0,002 | 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 ».