CANINE BREEDS PREDISPOSED TO DEVELOP DISKOSPONDYLITIS: A RETROSPECTIVE STUDY OF 181 CASES (2009-2018)
Notice bibliographique
Résumé
A study to determine the prevalence and predisposition of dog breeds to develop diskospondylitis (DS) was carried out on a population of 5,497 animals submitted to computed tomography or digital radiography of the spine between 2009 and 2018. Variables such as breed, gender, age, vertebral segment and total number of vertebrae affected were collected and submitted to the prevalence tests, chi-square and odds ratio. A total of 181 dogs presented DS, a prevalence of 3.4%. Of these, 65% were males with a probability 1.6x greater than females (CI 1.17-2.17). Dogs more than 10 years old have a 1.5x higher probability (CI 1.10-2.05), while those between 2-5 years the probability decreases 51% (CI 0.34-0.77). Large dogs (>30 kg; 45%) showed a 3.8x greater chance to develop DS (CI 2.56-5.33) than small dogs (<15 kg; 28%), although the small dogs showed a 34% lower probability (CI 0.24-0.47). The Labrador Retriever breed was 3.7x more likely to develop DS than all the other breeds studied (CI 2.56-5.33) and the French Bulldog, among the small breeds, was 2.8x more susceptible (CI 1.51-5.06). In conclusion older dogs, large dogs, especially Labrador Retrievers, are more likely to develop DS. The French bulldog should be studied further.
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 | 0,001 |
| 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».