MétaCan
Menu
Retour à la cohorte
Enregistrement W2528008360 · doi:10.1177/1040638716665659

Neoplasia in 125 donkeys ( <i>Equus asinus</i> )

2016· review· en· W2528008360 sur OpenAlexaffabout
Corrine R. Davis, Beth A. Valentine, Emma Gordon, Sean P. McDonough, Paula A. Schaffer, Andrew L. Allen, Patricia A. Pesavento

Notice bibliographique

RevueJournal of Veterinary Diagnostic Investigation · 2016
Typereview
Langueen
DomaineMedicine
ThématiqueVeterinary Oncology Research
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésEquidaePathologyDonkeyMedicineEquus asinusHorseMelanomaDermatologyVeterinary medicineBiologyCancer research

Résumé

récupéré en direct d'OpenAlex

A diagnosis of neoplasia was noted in 125 of 357 donkeys (35%) in our review of medical records from 5 veterinary schools in the United States and Canada. Equine sarcoid was the most common tumor in our study, accounting for 72% of all tumors and 82% of cutaneous tumors. Soft-tissue sarcomas were the second most common skin tumors. All other types of neoplasia were rare. Important differences in the occurrence of neoplasia in donkeys compared to horses included the rarity or absence of squamous cell carcinoma in any organ system and gray horse melanoma. Lymphosarcoma, the most common malignant tumor in horses, appears to be very rare in donkeys. We report several tumors in donkeys including melanocytoma, peripheral nerve sheath tumor, and gastrointestinal stromal tumor. Our data demonstrate commonalities as well as differences in neoplastic diseases of donkeys and horses. Understanding differences in carcinogenesis among these 2 closely related species can inform researchers pursuing pathogenic mechanisms of equine disease and inform veterinary diagnosticians regarding tumor prevalence.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,936
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,112
Tête enseignante GPT0,409
Écart entre enseignants0,297 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeAutre devis
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations24
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Veterinary Diagnostic InvestigationMême sujetVeterinary Oncology ResearchTravaux en français237 207