Histopathological classification and incidence of canine mammary tumours
Notice bibliographique
Résumé
The present study aimed to classify different canine mammary tumours based on WHO recommendations. A total of 139 suspected spontaneous tumours were collected, out of which 128 were diagnosed as tumours. The benign tumours were identified as fibroadenoma (41.66%), ductal papilloma (16.66%), benign mixed mammary tumour (29.16%), myoepithelioma (4.16%) and simple adenoma (8.33%). In malignant mammary tumours, epithelial tumours included papillary adenocarcinoma (25.96%), malignant mixed mammary tumour (25.96%), solid carcinomas (17.31%), infiltrative adenocarcinoma (11.54%), malignant myoepithelioma (7.69%), squamous cell carcinoma (2.88%), mucinous carcinoma (1.92%), intraductal carcinoma in situ (0.96%), whereas the connective tissues tumours were fibrosarcoma (2.88%), myxosarcoma (0.96%), carcinosarcoma (0.96%) and osteochondrosarcoma (0.96%). Analysis of breed-wise occurence of mammary neoplasms revealed highest number of tumours in German shepherd (35.0%) followed by Spitz (24.22%), non-descript (19.53%), Pomeranian (10.94%), Labrador (6.25%), Boxer (3.91%), Doberman (4.69%), Cocker Spaniel (3.13%), Bhutia (1.56%) and Great Dane (0.78%). The age group at which mammary tumours occurred most frequently was 8–10 years (46), followed by 6–8 years (39), 10–12 years (23), ≤ 6 years (16) and >12 years (4).
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 ».