Variation in mineral types of uroliths from ferrets (Mustela putorius furo) submitted for analysis in North America, Europe, or Asia over an 8-year period
Notice bibliographique
Résumé
OBJECTIVE: ) from North America, Europe, and Asia and to identify potential risk factors associated with cystine urolithiasis in ferrets. SAMPLES: 1,054 laboratory submission records of uroliths obtained from ferrets between January 1, 2010, and December 31, 2018. PROCEDURES: For this cross-sectional study, the medical records databases at 4 diagnostic laboratories were searched for records of submissions of uroliths obtained from ferrets. Data collection included submission date; ferret sex, neuter status, and age; receiving laboratory and continent; and urolith mineral type. Regression analyses were performed to identify variables associated with cystine uroliths. RESULTS: Of the 1,054 urolith submissions, 1,013 were from North America, with 92.6% (938/1,013; 95% CI, 90.8% to 94.1%) cystine uroliths, and 41 were from Europe and Asia, with only 26.8% (11/41; 95% CI, 15.7% to 41.9%) cystine uroliths. Median age was 2.0 years for ferrets with cystine urolithiasis versus 4.0 years for those with other types of uroliths. Submissions were more likely cystine uroliths for ferrets in North America versus Europe and Asia (adjusted OR [aOR], 59.5; 95% CI, 21.4 to 165.6), for ferrets that were younger (aOR, 0.67; 95% CI, 0.58 to 0.77), or for submissions in 2018 versus 2010 (aOR, 21.1; 95% CI, 5.1 to 87.9). CONCLUSIONS AND CLINICAL RELEVANCE: Results indicated that the proportion of submissions that were cystine uroliths dramatically increased in North America between 2010 and 2018. There is an urgent need to determine underlying causes and mitigate cystine urolithiasis in ferrets.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| 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 | 0,001 |
| 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 ».