Cutaneous neoplastic lesions of equids in the central United States and Canada: 3,351 biopsy specimens from 3,272 equids (2000–2010)
Notice bibliographique
Résumé
OBJECTIVE: To identify epidemiological trends in cutaneous neoplasms affecting equids in central North America and compare them with previously reported trends. DESIGN: Retrospective case series. SAMPLE: 3,351 cutaneous biopsy specimens from 3,272 equids with a neoplastic diagnosis. PROCEDURES: Diagnostic reports from 2 diagnostic laboratories (Colorado State University and Prairie Diagnostic Services Inc) were reviewed for frequency of specific lesions and epidemiological trends. Variables included in analyses (if known) were age, sex, breed, geographic location, date of diagnosis, location of neoplasm on the body, and presence or absence of ulceration. RESULTS: Sarcoid, squamous cell carcinoma (SCC), and melanoma were the 3 most common tumors diagnosed. Tumors associated with UV radiation (SCC, SCC in situ, hemangioma, hemangiosarcoma) were 2.3 (95% confidence interval [CI], 1.8 to 3.0) times as common in biopsy specimens received by Colorado State University than in specimens received by Prairie Diagnostic Services Inc. Appaloosa horses and American Paint horses, respectively, were 7.2 (95% CI, 5.6 to 9.2) and 4.4 (95% CI, 3.6 to 5.4) times as likely as other breeds to have tumors associated with UV radiation. Thoroughbreds were predisposed to cutaneous lymphoma, whereas Arabians were more likely to have melanomas. Draft and pony breeds were 3.1 (95% CI, 1.9 to 5.1) times as likely as other breeds to have benign soft tissue tumors. Morgans and pony breeds more commonly had basal cell tumors. Tumors in the perianal region were significantly more likely to be SCC or melanoma while tumors on the limbs were more likely to be giant cell tumor of soft parts. CONCLUSIONS AND CLINICAL RELEVANCE: Signalment, anatomic location of the mass, and geographic location of the horse can be used to help equine practitioners formulate differential diagnoses for cutaneous masses. Further research is necessary to identify the biological basis for the development of many equine cutaneous neoplasms.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 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 ».