Notice bibliographique
Résumé
Genom att studera livslängd och dödsorsaker hos hundar kan man identifiera rasspecifika sjukdomar och problem och på så sätt utforma avelsprogram där man försöker motverka dessa. Det är inte enbart sjukdomar som gör att hundar dör eller avlivas, utan orsakerna är många. Syftet med detta arbete var att utifrån en litteraturstudie sammanställa de vanligaste dödsorsakerna och medellivslängden hos hundar. Medellivslängden i de olika undersökta studierna varierade mellan 10-11 år, där en av studierna avvek med medellivslängden 6,4 år. Blandraser blev något äldre än den genomsnittliga hundpopulationen medan vissa renrasiga hundar levde längre än blandraser.\n\nÅlderdom hörde till den vanligaste eller näst vanligaste orsaken att dö av enligt de olika studierna och mortalitetsrisken ökade med stigande ålder. En av de vanligaste sjukdomarna som hundar dog av, 14-30 %, var cancer. Hjärtsjukdomar utgjorde ungefär 8 % av alla dödsorsaker och mest drabbad var rasen cavalier king charles spaniel. Gällande de neurologiska sjukdomarna hade grand danois, saint bernard och boxer en ökad risk att drabbas och när det kom till rörelsesjukdomarna var det de större raserna schäfer, labrador retriever, newfoundland, saint bernard och berner sennen som var predisponerade.\n\nBeteendeproblem omfattade ungefär 2-13 % av dödsorsakerna i de olika studierna. Trauma var något som oftare inträffade hos hanhundar och sjönk med stigande ålder. Omkring 5-6 % drabbades, men en studie från försäkringsdata visade dock 17 %. Ibland avlivades friska hundar på grund av djurägarproblematik som till exempel att ägaren inte hade råd med behandling, inte ville ha hunden längre eller att ägaren hade flyttat.\n\nProblematiken med dessa studier är att de är utförda på olika sätt genom frågeformulär, data från försäkringsbolag, uppgifter från kennelklubbar, obduktionsuppgifter samt register från veterinärpraktiker vilket på så sätt gör det svårt att få en korrekt bild av resultaten utan bias. Dock finns en nyligen gjord studie som visar att ett samarbete mellan veterinärkliniker och Svenska Kennelklubben (SKK) vore möjligt. Detta skulle kunna utvärdera effekterna av genetiska hälsoprogram bättre genom att kombinera SKK:s uppgifter om den enskilda hunden tillsammans med resultat från veterinärundersökningar och information om orsak och tidpunkt för dödsfall eller avlivning.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,077 | 0,018 |
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 source (Gemma direct ou Codex distillé), 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 ».