Seizure occurrence in dogs under primary veterinary care in the UK: prevalence and risk factors
Notice bibliographique
Résumé
BACKGROUND: Primary-care veterinary clinical records can offer data to determine generalizable epidemiological data on seizures occurrence in the dog population. OBJECTIVES: To identify and examine epidemiologic characteristics of seizure occurrence in dogs under primary veterinary care in the UK participating in the VetCompass™ Programme. ANIMALS: 455,553 dogs in VetCompass™'. METHODS: A cross-sectional analysis estimated the 1-year period prevalence and risk factors for dogs with seizures during 2013. RESULTS: The overall 1-year period prevalence for dogs having at least one seizure during 2013 was 0.82% (95% CI 0.79-0.84). Multivariable modelling identified breeds with elevated odd ratios [OR] compared with the Labrador Retriever (e.g. Pug OR: 3.41 95% CI 2.71-4.28, P < 0.001). Males had higher risk for seizures (Male/Entire OR: 1.47 95% CI 1.30-1.66; Male/Neutered OR: 1.34 95% CI 1.19-1.51) compared to entire females. Age (3.00 - ≤ 6.00 OR: 2.13 95% CI 1.90-2.39, P < 0.001, compared to animals aged 0.50-≤ 3.00 years), and bodyweight (≥ 40.00kg, OR: 1.24 95% CI 1.08-1.41, P = 0.002, compared to animals weighing < 10.0 kg) were identified as risk factors for seizures. CONCLUSION AND CLINICAL IMPORTANCE: Seizures are a relatively common clinical finding in dogs. The results for breed, age, sex and bodyweight as risk factors can assist veterinarians in refining differential diagnosis lists for dogs reported with behaviors that may have been seizures. In addition, the prevalence values reported here can support pharmacovigilance with baseline data from the overall population.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».