Determinación de lesiones encefálicas en canes mediante tomografía computarizada en Lima, Perú
Notice bibliographique
Résumé
El objetivo del presente estudio fue determinar lesiones encefálicas mediante tomografía computarizada (TC) en 71 canes que fueron sometidos al estudio encefálico por recomendación médica entre 2011 y 2015 en Lima, Perú. Los diagnósticos tomográficos fueron relacionados con el sexo, edad, tamaño y raza de cada paciente. Se identificaron 38 diagnósticos tomográficos positivos a lesión encefálica (53.5%). El grupo etario positivo a lesión cerebral más frecuente fue el comprendido entre 1 y 7 años; así como el tamaño de perro mediano. Las lesiones diagnosticadas más frecuentes fueron dilatación ventricular (29%, 11/38), neoformaciones encefálicas (15.8%, 6/38) e hidrocefalia (15.8%, 6/38). La dilatación ventricular se presentó con mayor frecuencia entre 1 y 7 años, en razas Maltés y Poodle, las neoformaciones cerebrales en canes mayores de 7 años y en la raza Labrador, en tanto que la hidrocefalia en canes entre 1 y 7 años, mayormente en Chihuahua y Pug.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,006 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».