Prevalence of Major Reproductive Disorders in Canines with Reference to Age, Sex and Breed in Central Gujarat
Notice bibliographique
Résumé
A retrospective study was undertaken to assess the prevalence of various reproductive disorders attended over the last three years (2017-20) at VCC, Anand in either sex of canine. Screening of 9963 case records revealed 602 (6.04 %) cases of gynecological disorders and 23 (0.23 %) cases of andrological disorders. The highest cases in female dogs were of pregnancy diagnosis (30.89 %), followed in descending order by pyometra (25.41 %), mammary tumor (11.46 %), CTVG (7.81 %), spaying (5.65 %), pseudo-pregnancy (4.32 %), dystocia (3.32 %), vaginal prolapse (2.99 %), misalliance (2.32 %), abortion (0.99 %), normal whelping (0.49 %) and miscellaneous (3.82 %). Among the male dogs, the highest cases were of venereal granuloma (21.74 %), followed by phimosis (17.39 %), balanoposthitis (13.04 %), prostate enlargement (13.04 %), scrotal edema (13.04 %), castration (8.69 %), testicular hyperplasia (4.35 %), testicular tumor (4.35 %) and orchitis (4.35 %). The breeds most prone to gynecological disorders were Labrador (29.57 %), followed by Mongrel (22.42 %), Pomeranian (11.79 %), German Shepherd (11.46 %), Pug (6.64 %), Rottweiler (6.15 %), Doberman (3.50 %), Golden Retriever (3.17 %), and others. Similarly, the highest occurrence of gynecological cases was found in bitches of 0-3 years age group (46.84 %), followed by 4-6 years (23.75 %), 7-9 years (14.29 %) and 10-12 years of age (11.30 %). The higher gynecological cases recorded in Labrador and Mongrel breeds and in younger age groups of dogs could be due to the higher gross population of these animals in the study area of central Gujarat.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».