Studies on Occurrence of Ocular Diseases in Dogs with Emphasis on Occurrence of Glaucoma
Notice bibliographique
Résumé
The present study was carried out to evaluate the occurrence of different ocular diseases and to study the occurrence of glaucoma in dogs over a period of three years from January 2016 to January 2019. The occurrence of different ophthalmic affections was analysed in different age group, gender, season and breed of dogs. Out of the 28,254 case records of dogs evaluated, 356 case records of dogs were of ocular diseases. The overall per cent occurrence of ocular diseases during this period was 1.26 per cent. Conjunctivitis (27.25%) was the most common ocular disease observed. The per cent occurrence of ocular diseases was highest in puppies (33.71%) and male dogs (80.34%) and was seen highest during Summer season (36.24%). Among different breeds, the highest per cent of ocular diseases was seen in Non-descript dogs (19.94%) followed by Pugs (16.85%) and Labrador retrievers (15.73%). The per cent occurrence of glaucoma was highest in adult dogs (32.14%). Gender wise occurrence of glaucoma was maximum in male dogs (60.71%). Among different breeds, the maximum per cent occurrence of glaucoma was seen in Non descript dogs (25%) followed by Pomeranians (21.43%) and Labrador retrievers (14.29%).
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 tête enseignante, 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 ».