MétaCan
Menu
Retour à la cohorte
Enregistrement W2981166014 · doi:10.3389/fvets.2019.00378

Prevalence of Canine Hip Dysplasia in Switzerland Between 1995 and 2016—A Retrospective Study in 5 Common Large Breeds

2019· article· en· W2981166014 sur OpenAlexaboutno aff
Stefanie Ohlerth, Britta Geiser, Mark Flückiger, U Geissbühler

Notice bibliographique

RevueFrontiers in Veterinary Science · 2019
Typearticle
Langueen
DomaineVeterinary
ThématiqueVeterinary Orthopedics and Neurology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBreedLabrador RetrieverHip dysplasiaMedicineVeterinary medicineGerman Shepherd DogPrevalencePopulationEpidemiologyAnimal scienceBiologyInternal medicineSurgeryEnvironmental healthRadiography

Résumé

récupéré en direct d'OpenAlex

Canine hip dysplasia (CHD) is a genetic disease, modulated by epigenetic and environmental factors. To decrease the prevalence of CHD, the hip joints of many pure breed dogs are radiographed to identify dysplastic dogs not qualified for breeding. It has been shown that both, prevalence and severity of CHD may be reduced on the basis of phenotypic i.e., radiographic selection of breeding animals. The method has been used in many countries for over 50 years. In the present study, severity and prevalence of CHD in five common large breeds in Switzerland were evaluated since 1995. Both, prevalence and severity of CHD dropped in each breed between the periods 1995-1999 and 2010-2016. The prevalence decreased in Golden Retrievers from 25 to 9% and in Labrador Retrievers from 16 to 3%, respectively. In the Flat-Coated Retriever, prevalence in general was low, decreasing from 6 to 3%. In the Bernese mountain dog and the German shepherd dog, a decrease from 21 to 12% and from 46 to 18%, respectively, was observed. However, the rather low overall rate of radiographed dogs (Retrievers: 11 to 18%, Bernese Mountain dogs: 23% and German Shepherd dogs: 31%) does not allow to draw reliable conclusions regarding the true prevalence of CHD for the entire population of these breeds in Switzerland.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,001
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 Opus0,027
Tête enseignante GPT0,305
Écart entre enseignants0,278 · 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.

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

Citations26
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Veterinary ScienceMême sujetVeterinary Orthopedics and NeurologyTravaux en français237 207