Occurrence of different neoplasms of dogs in Mumbai region
Notice bibliographique
Résumé
The present study was conducted on 55 dogs presented with the history of tumorous growths to the department. Age, sex, breed and site of tumour/growth of all the animals were recorded. The biopsy samples were collected for histopathological examination. The age of affected animals varied from 1–15 years. The highest occurrence was recorded in the age group of 4–6 years (30.9%). Both male and female animals were equally affected. Skin neoplasms were found more in males (69.2%) than in females (30.8%). Three male animals (75%) were affected with oral tumours as compared to one case of female (25%). All cases of perianal adenoma/adenocarcinoma were seen in male animals only. Thirty one cases were observed in non-descript animals (50.9%) followed by Pomeranian and Labrador (n= 8, 14.5%), German Shepherd (n=5, 9.09%), Rottweiler (n=2, 3.63%) and Basset hound, Doberman, German short hair, Great Dane (n=1, 1.8%) respectively. Out of 55 suspected cases, eleven samples (20.01%) were diagnosed as inflammatory hyperplastic growths and forty four cases (80.0%) were diagnosed as neoplastic upon histopathology. Out of 44 cases, 14 cases were diagnosed as mammary tumours (benign 14.5% and malignant 10.9%),) followed by histiocytoma (8.6%), venereal granuloma (6.8%), perianal gland adenocarcinoma (3.6%), epulis (3.4%), fibroma (3.4%), leiomyosarcoma (3.4%), perianal gland adenoma (1.7%) leiomyoma (1.7%), seminoma (1.7%), sertoli cell tumour (1.7%), melanoma (1.7%), sqmaous cell carcinorma (1.7%), fibrosarcoma (1.7%), meibomian gland adenoma (1.7%), skull bone tumours (1.7%) and hemangiopericytoma (1.7%).
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».