Seizure occurrence in dogs under primary veterinary care in the UK: prevalence and risk factors
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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 | 0,000 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle