Vertical force distribution in the paws of sound Labrador retrievers during walking
Notice bibliographique
Résumé
In contrast to gait analysis in humans, where pedobarography is an integral part of biomechanical studies, veterinary researchers have rarely investigated vertical force distribution (VFD) in the paws of dogs. The aim of this study was to investigate the VFD of peak of vertical force (PFz), vertical impulse (IFz) and time of occurrence of PFz during stance phase (TPFz) in 20 sound, adult Labrador retrievers walking normally on a pressure plate. A technique was used that divided the canine paw prints into quadrants. A general linear model was introduced to investigate the effects of forelimbs/hindlimbs, body side, and medial/lateral and cranial/caudal quadrants on VFD as they related to the total force (sum of all PFz/IFz values). For PFz and IFz, there were significantly greater effects on VFD in the lateral quadrants compared to the medial quadrants, respectively (6.49 ± 2.56% vs. 6.01 ± 2.60% and 6.62 ± 3.06% vs. 5.88 ± 3.21%; P < 0.001), in the forelimbs compared to the hindlimbs (8.02 ± 2.13% vs. 4.48 ± 1.61% and 8.02 ± 2.83% vs. 4.48 ± 2.36%; P < 0.001), and in the cranial quadrants compared to the caudal quadrants (7.87 ± 2.09% vs. 4.63 ± 1.93% and 8.57 ± 2.17% vs. 3.88 ± 1.98%; P < 0.001). The cranial/caudal ratio was higher in the hindlimbs than in the forelimbs (PFz: 2.10 ± 0.45 vs. 1.65 ± 0.32; P = 0.001; and IFz: 3.35 ± 0.80 vs. 2.04 ± 0.46; P < 0.001). The TPFz was reached earlier in the hindlimbs than in the forelimbs (46.86 ± 19.16% vs. 54.08 ± 19.62%; P < 0.001) and in the caudal quadrant than in the cranial quadrant (32.57 ± 5.77% vs. 68.37 ± 10.01%; P < 0.001). These data from sound Labrador retrievers could be used as a basis for future research investigating orthopedically- and/or neurologically-impaired animals.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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 ».