Sink or swim: Risk stratification of preweaning mortality in harbor seal pups (<i>Phoca vitulina richardii</i>) admitted for rehabilitation
Notice bibliographique
Résumé
Abstract To date, few consistent relationships between survival in rehabilitation programs and diagnostic measures recorded upon admission have been identified for harbor seal pups. Veterinary records for 718 unweaned Pacific harbor seal pups ( Phoca vitulina richardii ) admitted to a rehabilitation center were examined to identify clinical factors associated with preweaning survival and develop a triage tool to stratify pups according to their risk of mortality. Physical, serum chemical, and hematological variables were examined and their relationship with survival to weaning was assessed by logistic regression and classification and regression tree (CART) analysis. Survival to weaning was 85.1% and many clinical variables reflecting the pups’ age, size, growth, injuries, and blood parameters were associated with the likelihood of survival. A decision tree model, consisting of serum concentrations of phosphorus, sodium, and calcium, successfully stratified harbor seal pups into clinical subgroups according to their preweaning mortality risk. For both the derivation and validation cohorts, pups classified as “high risk” had significantly lower odds of survival, while those classified as “low risk” had significantly greater odds of survival. This simple decision tree could serve as a practical triage tool to help identify and direct care towards pups at higher risk of preweaning mortality.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».