Accuracy of selected neurological clinical tests in diagnosing <scp>MRI</scp>‐detectable forebrain lesion in dogs
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
This retrospective case study aims to evaluate the accuracy of menace response, response to nasal stimulation and proprioceptive placing in diagnosing forebrain lesion in dogs. A total of 145 client-owned dogs investigated by magnetic resonance imaging study of the brain between December 2017 and June 2019 were evaluated. Seventy-one dogs with no magnetic resonance imaging-detectable intracranial and significant cerebrospinal fluid abnormality or recent history of seizure (<48 h) served as controls. Binary regression analysis was performed to determine the sensitivity, specificity and likelihood ratios of each selected test. Older age at presentation was a significant risk factor for the presence of a forebrain lesion. Menace (62.5%) and proprioceptive deficits (40.5%) were common findings in all dogs. They were also significantly associated with the presence of forebrain abnormality. Moreover, they were more sensitive (77.3% and 82.2%, respectively) and specific (50.0% and 62.5%, respectively) when applied to dogs aged 6 years or older. Nonetheless, all of these tests' likelihood ratios, and thus reliability are poor. These neurological tests are commonly employed for diagnosing forebrain disease in dogs, yet are not highly accurate in diagnosing forebrain abnormality. Clinicians should interpret these clinical test results along with the patient history when designing a diagnostic plan.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 | 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