Development and validation of a new standardised data collection tool to aid in the diagnosis of canine skin allergies
Notice bibliographique
Résumé
Canine atopic dermatitis (cAD) is a common hereditary clinical syndrome in domestic dogs with no definitive diagnostic tests, which causes marked morbidity and has a high economic impact internationally. We created a novel questionnaire for Labrador (LR) and Golden retriever (GR) owners to evaluate canine skin health with respect to clinical signs of cAD. 4,111 dogs had fully completed questionnaires (2,803 LR; 1,308 GR). 'Cases' (793) had a reported veterinary diagnosis of cAD, and 'controls' (1652) had no current or past clinical signs of cAD and were aged >3 years. Remaining dogs (1666) were initially categorised as 'Other'. Simulated annealing was used comparing 'Cases' and 'Others' to select a novel set of features able to classify a known case. Two feature sets are proposed, one for use on first evaluation and one for dogs with a history of skin problems. A sum for each list when applied to the whole population (including controls) was able to classify 'Cases' with a sensitivity of 89% to 94% and specificity of 71% to 69%, respectively, and identify potentially undiagnosed cases. Our findings demonstrate for the first time that owner questionnaire data can be reliably used to aid in the diagnostic process of cAD.
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 | 0,027 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».