380 Different protocols and technologies employed to help pets lose weight.
Notice bibliographique
Résumé
Obesity implements a major health risk for the canine and feline population, especially as obese dogs and cats are predisposed to devastating health complications that have a large negative impact on the quality of life and reduce life span. Moreover, the prevalence of companion animal obesity in Western countries, reaching more than 50% already, continues to increase. Weight reduction is recommended in overweight dogs and cats yet current weight loss programs tend to have disappointing outcomes and are not without risks. A first challenge in veterinary practice in the management of pet obesity, is proper assessment and identification of overweight and obese animals. Many pet owners underestimate their pet’s body condition and overestimate their activity level. Veterinary teams have trouble communicating the issue of overweight and obesity with pet owners and don’t always use available tools such as body weight, body condition score, muscle condition score and morphometry to assess pets’ body condition. Moreover, these tools are not validated for growing pets. Yet, current spay/neuter practices increase the risk for fat deposition, making this population at high risk for weight gain early in live. Veterinary teams are unaware of how to deal with this in clinical practice. Implementation of a weight loss plan is also challenging for veterinary teams, many different protocols to calculate energy requirements exist and many different veterinary therapeutic weight loss diets and over-the-counter weight management diets have been marketed. Though some research has focussed on macronutrient levels in relation to weight gain and weight loss in dogs and cats, very little research investigated nutrient requirements and the risk for development of nutrient deficiencies during energy restriction. This overview will focus on weight loss programs currently employed in veterinary clinical practice and how the coexisting challenges should direct future research.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,032 | 0,020 |
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 ».