MétaCan
Menu
Retour à la cohorte
Enregistrement W3098655688 · doi:10.20546/ijcmas.2020.909.137

Clinical Epidemiology of Fractures in Dogs: A Retrospective Study

2020· article· en· W3098655688 sur OpenAlexaboutno aff
P. M. Usadadiya, Reena Bhatt, A.R. Bhadaniya, V. D. Dodia, K. S. Gameti

Notice bibliographique

RevueInternational Journal of Current Microbiology and Applied Sciences · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueBone fractures and treatments
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineUlnaBreedHumerusIncidence (geometry)EpidemiologyFemurTibiaFibulaRetrospective cohort studyForelimbSurgeryVeterinary medicineInternal medicineAnatomyBiologyAnimal science

Résumé

récupéré en direct d'OpenAlex

The present study was carried out to determine the clinical epidemiology of bone fracture in dogs based on three years data of Veterinary Clinical Complex, College of Veterinary Science & A. H., Junagadh Agricultural University, Junagadh, Gujarat. During study, signalment and clinical details of three years (April, 2017 – March, 2020) cases were analyzed that revealed a total number of 9556 dogs presented for various ailments, in which 2289 (23.95%) cases were of surgical affections. Out of these, 275 (12.01%) cases were of orthopaedic affections. During the study period, higher incidence of fracture was seen in femur followed by tibia-fibula, radius-ulna and humerus. Dogs in the age group of 1-6 months showed highest occurrence in comparison to other age group. Breed wise incidences of fracture was higher in non-descript breed followed by German shepherd, Labrador, Spitz and others while sex wise male was more affected then female. In this study, incidence of right hindlimb fracture was found higher followed by fracture of left hindlimb, right forelimb and left forelimb.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,186

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,089
Tête enseignante GPT0,449
Écart entre enseignants0,360 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Current Microbiology and Applied SciencesMême sujetBone fractures and treatmentsTravaux en français237 207