Study on the incidence of demodectic mange in dogs in and around Mizoram
Notice bibliographique
Résumé
The incidence of demodectic mange age, sex, breeds, months and seasons wise suspected dogs were observed and recorded to determine the incidence of canine demodectic mange accordingly, from all 35 dermatitis affected dogs. In month wise observation out of 35 samples examined thehighest incidence was observed in the month of June 2018 (14.28%) followed by September 2018 (11.42%) January, 2018 (8.57%), December, 2017(5.71%) February, 2018 (5.71%), March, 2018(5.71%), April, 2018(5.71%), May, 2018(5.71%), July, 2018(5.71%), October, 2018 (5.71%), November, 2018(5.71%), December, 2018(5.71%), January, 2019(5.71%), February, 2019(5.71%) and August, 2018 (2.85%). For age wise incidence of demodicosis; dogs were classified into four different age groups viz. 0-6months, 6-12 months, 1-3years and above 3years. Demodicosis infections occurred almost in all the age groups starting from puppies (0-6months) to more than 3 years old dogs. Highest incidence of demodicosis (28.57%) was observed in the puppies (0-6 months) and above 3 years age group and least rate of incidence (17.14%) was observed in the age group of 1-3 years. The sex wise incidence study revealed that male dogs were more prone to demodicosis (51.43%) than female dogs (48.57%). Inbreed wise predisposition of demodicosis in dogs, it was found that crossbred dogs was more infestated with demodicosis (34.28%) followed by American Pitbull (17.14%), Pug (11.42%), Labrador (11.42%), Great Dane (11.42%), German Shepherd (8.57%) and Husky (5.71%). Season wise predisposition of demodicosis in dogs revealed highest in rainy season (37.5 %) followed by winter (33.33%) and summer (29.16 %), respectively.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».