Association of age, breed, estrus and mating history in occurrence of pyometra
Notice bibliographique
Résumé
The study was aimed to analyze the influence of age, breed, estrus cycle and parity in the occurrence of canine pyometra and to assess the treatment of choice being followed for pyometra. For this study, case records of pyometra in dogs, presented between January 2013 to December 2017 were scrutinized and the influence of different factors on the incidence of pyometra was worked out. A total of 108 cases with the history of pyometra were presented in TVCC in period of 5 years. The pyometra observed in the middle to old age (>6 years) predominately (45.37%, mean age- 5.65 ± 0.3 years). The incidence was more in non-descript breeds (29.63%) followed by Labrador (24.07%) and Pug (15.74%). The disease was more prevalent in nulliparous dogs (81.82%) as compared to primiparous and pluriparous dogs which accounted to be 18.18%. There was history of estrus 16-60 days prior to the occurrence of disease in 74.63% dogs, of them, 17.05% (15/88) had mating history. Ovariohysterectomy (37.03%) was principle approach opted for treatment of pyometra. Other treatment opted for treatment of pyometra were antibiotics (24.07%), methergine (20.37%), PGF2α analogue (16.67%) and mifepristone (0.93%).
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».