Refining the “double two‐thirds” rule: Genotype‐based breed grouping and clinical presentation help predict the diagnosis of canine splenic mass lesions in 288 dogs
Notice bibliographique
Résumé
Prediction of the likely histopathological diagnosis of canine splenic masses can guide appropriate decision-making. This study explores the predictive effect of breed and clinical presentation on the diagnosis of a canine splenic mass. Records from the Royal Veterinary College, United Kingdom (2007-2017) were reviewed. Dogs with a histopathologic or cytologic diagnosis from a splenic mass, or imaging findings consistent with disseminated metastatic disease, were included. Signalment, physical examination, haematology results, imaging findings and pathology reports were recorded. Breeds were grouped according to several permutations of their phenotype and then by clustering of breeds based on single nucleotide polymorphism analysis. Binary logistic regression was performed to identify predictors of malignancy and haemangiosarcoma. Two hundred and eighty-eight dogs were identified: 27% female and 63% male, 21% entire and 79% neutered; German Shepherd was the most common breed (11%). Median age was 10 years and median bodyweight 25 kg. Thirty-eight percent of dogs presented with haemoabdomen; a splenic mass was found incidentally in 28%. Sixty percent had a malignant tumour of which haemangiosarcoma comprised 66%. On multivariable analysis, genotype-based breed group (P = .004), haemoabdomen (P < .001) and neutrophil count (P = .025) predicted malignancy, and genotype-based breed group (P < .001) and haemoabdomen (P < .001) predicted haemangiosarcoma. Genotype-based breed group and occurrence of haemoabdomen may have predictive value to diagnose malignant splenic masses and more specifically haemangiosarcoma. The effect of genotype-based breed grouping was a superior predictor of the diagnosis of a canine splenic mass lesion compared with all phenotype-based groupings tested.
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 | 0,006 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».