MétaCan
Menu
Retour à la cohorte
Enregistrement W2883634510 · doi:10.1111/jsap.12870

A longitudinal assessment of periodontal health status in 53 Labrador retrievers

2018· article· en· W2883634510 sur OpenAlexaboutno aff
Corrin Wallis, Kramay Patel, M. E. Marshall, Ruth Staunton, Lisa Milella, Stephen Harris, Lucy J. Holcombe

Notice bibliographique

RevueJournal of Small Animal Practice · 2018
Typearticle
Langueen
DomaineDentistry
ThématiqueOral microbiology and periodontitis research
Établissements canadiensnon disponible
Organismes subventionnairesWaltham Centre for Pet Nutrition
Mots-clésMedicineGingivitisPeriodontitisDentistryGingival marginIncidence (geometry)IncisorOrthodonticsPeriodontal disease

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: To determine the incidence and rates of progression of gingivitis and periodontitis in Labrador retrievers. MATERIALS AND METHODS: Fifty-three dogs, aged 1·1 to 5·9 years, had their periodontal health assessed every 6 months for up to 2 years. The extent of gingivitis and periodontitis was measured around the whole gingival margin of every tooth under general anaesthesia. RESULTS: All dogs had gingivitis at the initial assessment. The majority (64·2%) of tooth aspects had very mild gingivitis. The palatal/lingual aspect of all tooth types was most likely to show bleeding when probed: 63·0% of these aspects had mild or moderate gingivitis. Over 2 years, 56·6% of dogs developed periodontitis and dogs as young as 1·9 years were affected. There was a significant positive correlation between the proportion of teeth with periodontitis and age. In total, 124 teeth (5·7%) developed periodontitis; 88 (71·0%) of these were incisors. The palatal/lingual aspect of the incisors developed the disease first (2·8% of incisor aspects). CLINICAL SIGNIFICANCE: Periodontitis developed in regions that are difficult to see in conscious dogs implying that detection and treatment of disease requires periodic sedation or anaesthesia.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,053
Tête enseignante GPT0,400
Écart entre enseignants0,347 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations29
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Small Animal PracticeMême sujetOral microbiology and periodontitis researchTravaux en français237 207