MétaCan
Menu
Retour à la cohorte
Enregistrement W2999118013 · doi:10.1055/s-0039-3399527

Contribution of Habitual Activity to Cruciate Ligament Rupture in Labrador Retrievers

2020· article· en· W2999118013 sur OpenAlexaboutno aff
Hannah M. Terhaar, Peter Muir, Lauren Baker, Emily E. Binversie, Jacqueline Chi, Susannah J. Sample

Notice bibliographique

RevueVeterinary and Comparative Orthopaedics and Traumatology · 2020
Typearticle
Langueen
DomaineVeterinary
ThématiqueVeterinary Orthopedics and Neurology
Établissements canadiensnon disponible
Organismes subventionnairesNational Institutes of HealthU.S. National Library of MedicineUniversity of LiverpoolElanco Animal HealthMorris Animal Foundation
Mots-clésMedicinePurebredCruciate ligamentDiseaseClinical significanceCoatInternal medicineSurgeryAnterior cruciate ligamentBreedAnimal science

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: The aim of this study was to describe the contribution of signalment and habitual activity in the development of cruciate ligament rupture (CR) in Labrador Retrievers. STUDY DESIGN: Four hundred and twelve client-owned purebred Labrador Retrievers were recruited. Dogs were assigned either as affected with CR or as controls based on signalment, physical examination and radiographic evidence of disease. Clients were asked to complete a questionnaire related to signalment, concurrent disease and a questionnaire pertaining to their dog's activity before development of CR or general activity during the dog's most active years. RESULTS: Habitual activity was not significantly different between dogs affected with CR and controls. There was no significant difference in neuter status or body weight between CR affected dogs and controls. Labrador Retrievers with a yellow coat, and Labradors that did not maintain an optimal body weight in the opinion of their veterinarian were at increased risk of developing CR. CONCLUSIONS: Habitual activity level is not a risk factor for development of CR in Labrador Retrievers. Our study did not show neuter status, sex or body weight to be risk factors for CR. However, coat colour and not sustaining optimal body condition are significant risk factors for CR.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,538
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,118
Tête enseignante GPT0,334
Écart entre enseignants0,217 · 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

Citations19
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVeterinary and Comparative Orthopaedics and TraumatologyMême sujetVeterinary Orthopedics and NeurologyTravaux en français237 207