Primary splenic torsion in dogs: 102 cases (1992–2014)
Notice bibliographique
Résumé
OBJECTIVE: To determine the percentage of dogs surviving to hospital discharge and identify factors associated with death prior to hospital discharge among dogs undergoing surgery because of primary splenic torsion (PST). DESIGN: Retrospective case series. ANIMALS: 102 client-owned dogs. PROCEDURES: Medical records of dogs with a confirmed diagnosis of PST that underwent surgery between August 1992 and May 2014 were reviewed. History, signalment, results of physical examination and preoperative bloodwork, method of splenectomy, concurrent surgical procedures, perioperative complications, duration of hospital stay, splenic histopathologic findings, and details of follow-up were recorded. Best-fit multivariate logistic regression was performed to identify perioperative factors associated with survival to hospital discharge. RESULTS: 93 of the 102 (91.2%) dogs survived to hospital discharge. German Shepherd Dogs (24/102 [23.5%]), Great Danes (15/102 [14.7%]), and English Bulldogs (12/102 [11.8%]) accounted for 50% of cases. Risk factors significantly associated with death prior to hospital discharge included septic peritonitis at initial examination (OR, 32.4; 95% confidence interval [CI], 2.1 to 502.0), intraoperative hemorrhage (OR, 22.6; 95% CI, 1.8 to 289.8), and postoperative development of respiratory distress (OR, 35.7; 95% CI, 2.7 to 466.0). Histopathologic evidence of splenic neoplasia was not found in any case. CONCLUSIONS AND CLINICAL RELEVANCE: Results suggested that the prognosis for dogs undergoing splenectomy because of PST was favorable. Several risk factors for death prior to discharge were identified, including preexisting septic peritonitis, intraoperative hemorrhage, and postoperative development of respiratory distress.
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 | 0,002 | 0,002 |
| 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 | 0,001 | 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 ».