Keratoconjunctivitis sicca in dogs under primary veterinary care in the<scp>UK</scp>: an epidemiological study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVES: To estimate the frequency and breed-related risk factors for keratoconjunctivitis sicca (KCS) in dogs under UK primary veterinary care. METHODS: Analysis of cohort electronic patient record data through the VetCompass Programme. Risk factor analysis used multivariable logistic regression. RESULTS: There were 1456 KCS cases overall from 363,898 dogs [prevalence 0.40%, 95% confidence interval (CI) 0.38-0.42] and 430 incident cases during 2013 (1-year incidence risk 0.12%, 95% CI 0.11-0.13). Compared with crossbreds, breeds with the highest odds ratio (aOR) for KCS included American cocker spaniel (aOR 52.33: 95% CI 30.65-89.37), English bulldog (aOR 37.95: 95% CI 26.54-54.28), pug (aOR 22.09: 95% CI 15.15-32.2) and Lhasa apso (aOR 21.58: 95% CI 16.29-28.57). Conversely, Labrador retrievers (aOR 0.23: 95% CI 0.1-0.52) and border collie (aOR 0.30: 95% CI 0.11-0.82) had reduced odds. Brachycephalic dogs had 3.63 (95% CI 3.24-4.07) times odds compared to mesocephalics. Spaniels had 3.03 (95% CI 2.69-3.40) times odds compared to non-spaniels. Dogs weighing at or above the mean bodyweight for breed/sex had 1.25 (95% CI 1.12-1.39) times odds compared to body weights below. Advancing age was strongly associated with increased odds. CLINICAL SIGNIFICANCE: Quantitative tear tests are recommended within yearly health examinations for breeds with evidence of predisposition to KCS and might also be considered in the future within eye testing for breeding in predisposed breeds. Breed predisposition to KCS suggests that breeding strategies could aim to reduce extremes of facial conformation.
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.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle