MétaCan
Menu
Retour à la cohorte
Enregistrement W2969839590

Investigation of Coat Color on Thermal Status in Labrador Retrievers

2019· article· en· W2969839590 sur OpenAlexaboutno aff
Caitlin Neander

Notice bibliographique

RevueOpenSIUC (Southern Illinois University Carbondale) · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueEffects of Environmental Stressors on Livestock
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCoatGeographyGeologyPaleontology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Although dark coat color in dogs has been theorized as a risk factor for thermal stress, there is little evidence in the scientific literature to support that position. We utilized 16 non-conditioned Labradors (8 black and 8 yellow) in a three-phase test to examine effects of coat color on thermal status of the dog. Rectal, gastrointestinal (GI), surface temperature, and respiration rates measured in breaths per minute (bpm), were collected prior to (Baseline – phase 1) and immediately after a controlled 30-minute walk in an open air environment on a sunny day (Sunlight – phase 2). Follow up measurements were taken 15 minutes after walking (Cool down – phase 3) to determine post-exposure return to baseline. No effect of coat color was measured for rectal, gastrointestinal, surface temperature, or respiration (P > 0.05) in dogs following their 30-minute walk. Temperatures increased similarly across both coat colors (rectal 1.88 °C and 1.83 °C; GI 1.89 °C and 1.94 °C) for black and yellow dogs respectively during the sunlight phase (P > 0.05). All temperatures and respiration rates decreased similarly across coat colors for rectal (0.9°C and 1.0 °C) GI (1.5 °C and 1.3°C) for black and yellow dogs respectively (P>0.05). Similarly, sex did not impact thermal status across rectal, gastrointestinal, surface temperature or respiration rates measured (P > 0.05). These data contradict the commonly held theory that dogs with darker coat color may experience a greater thermal change when compared to dogs with a lighter coat color exposed to direct sunlight.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,544
Score d'incertitude au seuil0,848

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,166
Écart entre enseignants0,157 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpenSIUC (Southern Illinois University Carbondale)Même sujetEffects of Environmental Stressors on LivestockTravaux en français237 207