Acid-base disorders in sick goats and their association with mortality: A simplified strong ion difference approach
Notice bibliographique
Résumé
Abstract Objectives To investigate the acid-base status of sick goats using the simplified strong ion difference (sSID) approach, to establish the quantitative contribution of sSID variables to changes in blood pH and HCO3− and to determine whether clinical, acid-base, and biochemical variables on admission are associated with the mortality of sick goats. Animals One hundred forty-three sick goats. Methods Retrospective study. Calculated sSID variables included SID using 6 electrolytes unmeasured strong ions (USI) and the total nonvolatile buffer ion concentration in plasma (Atot). The relationship between measured blood pH and HCO3−, and the sSID variables was examined using forward stepwise linear regression. Cox proportional hazard models were constructed to assess associations between potential predictor variables and mortality of goats during hospitalization. Results Hypocapnia, hypokalemia, hyperchloremia, hyperlactatemia, and hyperproteinemia were common abnormalities identified in sick goats. Respiratory alkalosis, strong ion acidosis, and Atot acidosis were acid-base disorders frequently encountered in sick goats. In sick goats, the sSID variables explained 97% and 100% of the changes in blood pH and HCO3−, respectively. The results indicated that changes in the respiratory rate (<16 respirations per minute), USI, and pH at admission were associated with increased hazard of hospital mortality in sick goats. Conclusions and Clinical Importance The sSID approach is a useful methodology to quantify acid-base disorders in goats and to determine the mechanisms of their development. Clinicians should consider calculation of USI in sick goats as part of the battery of information required to establish prognosis.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 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 ».