MétaCan
Menu
Retour à la cohorte
Enregistrement W4244700184 · doi:10.21203/rs.2.20774/v2

Risk factors associated with canine overweightness and obesity in an owner-reported survey

2020· preprint· en· W4244700184 sur OpenAlexaff
LeeAnn M. Perry, Justin Shmalberg, Jirayu Tanprasertsuk, Dan Massey, Ryan W. Honaker, Aashish R. Jha

Notice bibliographique

RevueResearch Square (Research Square) · 2020
Typepreprint
Langueen
DomaineVeterinary
ThématiqueVeterinary Medicine and Surgery
Établissements canadiensMinnow Environmental (Canada)
Organismes subventionnairesnon disponible
Mots-clésNeuteringOverweightObesityMedicineLogistic regressionStepwise regressionPsychological interventionDemographyEnvironmental healthInternal medicinePsychiatry

Résumé

récupéré en direct d'OpenAlex

Abstract Background Overweightness and obesity in dogs are associated with negative health outcomes. A better understanding of risk factors associated with canine weight is fundamental to identifying preventative interventions and treatments. In this cross-sectional study, we used a direct to consumer approach to collect body condition scores (BCS), as well as demographic, diet, and lifestyle data on 4,446 dogs. BCS was assessed by owners using a 9-point system and categorized as ideal (BCS 4-5), overweight (BCS 6), and obese (BCS 7+). Following univariate analyses, a stepwise procedure was used to select variables which were included in multivariate logistic regression models. One model was created to compare ideal to all overweight and obese dogs, and another was created to compare ideal to obese dogs only. We then used Elastic Net selection and XGBoost variable importance measures to validate these results. Results Overall, 1,480 (33%) of dogs were reported to be overweight or obese, of which 356 (8% total) of dogs were reported to be obese. Seven factors were significantly associated with both overweightness/obesity and obesity alone in all three analyses (stepwise, Elastic Net, and XGBoost): diet composition, probiotic supplementation, treat quantity, exercise, age, food motivation level, and pet appetite. Neutering was also associated with overweightness/obesity in all analyses. Conclusions This study recapitulated established risk factors associated with BCS (age, exercise, neutering). Moreover, we elucidated associations between previously examined risk factors and BCS (diet composition, treat consumption, and temperament) and identified a novel factor (probiotic supplementation). Specifically, relative to dogs on fresh food diets, BCS was higher in dogs eating dry food both alone and in combination with other foods. Furthermore, dogs receiving probiotics, but not other forms of supplementation, were more likely to have an ideal BCS. Future studies should corroborate these findings with experimental manipulations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,036
score de la tête « metaresearch » (Gemma)0,021
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Intégrité de la recherche
Catégories consensuellesMétarecherche, Méta-épidémiologie (sens strict), Intégrité de la recherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,063
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0360,021
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0030,005
Études des sciences et des technologies0,0010,002
Communication savante0,0010,001
Science ouverte0,0020,005
Intégrité de la recherche0,0010,014
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,438
Tête enseignante GPT0,479
Écart entre enseignants0,041 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch Square (Research Square)Même sujetVeterinary Medicine and SurgeryTravaux en français237 207