Utility of commercially available reagent test strips for estimation of blood urea nitrogen concentration and detection of azotemia in pet rabbits (Oryctolagus cuniculus) and ferrets (Mustela putorius furo)
Notice bibliographique
Résumé
OBJECTIVE: ). SAMPLE: 65 blood samples from 53 rabbits and 71 blood samples from 50 ferrets of various health statuses. PROCEDURES: BUN concentrations were measured with a clinical laboratory biochemical analyzer and estimated with a reagent test strip. Results obtained with both methods were assigned to a BUN category (range, 1 to 4; higher categories corresponded to higher BUN concentrations). Samples with a biochemical analyzer BUN concentration ≥ 27 mg/dL (rabbits) or ≥ 41 mg/dL (ferrets) were considered azotemic. A test strip BUN category of 3 or 4 (rabbits) or 4 (ferrets) was considered positive for azotemia. RESULTS: Test strip and biochemical analyzer BUN categories were concordant for 46 of 65 (71%) rabbit blood samples and 58 of 71 (82%) ferret blood samples. Sensitivity, specificity, and accuracy of the test strips for detection of azotemia were 92%, 79%, and 82%, respectively, for rabbit blood samples and 80%, 100%, and 96%, respectively, for ferret blood samples. CONCLUSIONS AND CLINICAL RELEVANCE: Test strips provided reasonable estimates of BUN concentration but, for rabbits, were more appropriate for ruling out than for ruling in azotemia because of false-positive test strip results. False-negative test strip results for azotemia were more of a concern for ferrets than rabbits. Testing with a biochemical analyzer remains the gold standard for measurement of BUN concentration and detection of azotemia in rabbits and ferrets.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».