The prevalence of sacroiliac joint CT and MRI findings is high in large breed dogs
Notice bibliographique
Résumé
Sacroiliac joint (SIJ) disease has been described as one of the possible causes of lumbosacral (LS) region pain in dogs. However, published information is currently lacking for the computed tomographic (CT) and magnetic resonance imaging (MRI) characteristics of canine SIJ disease. The objectives of this retrospective, observational study were to describe and quantify CT and MRI SIJ findings in a sample of large breed dogs and test associations between the numbers of SIJ findings and other variables. Data archives for a veterinary teaching hospital were searched for large breed dogs (≥ 22.7 kg) that had CT or MRI scans of the LS and pelvic regions in 2015-2019. Dogs with a history of acute trauma or scans with incomplete SIJs were excluded. A veterinary student recorded medical record findings. A veterinary radiologist and graduate student recorded CT and MRI findings based on previously published criteria in dogs and humans. Fifty-three dogs were sampled (20 CT, 33 MRI). Categories of findings with the highest prevalence were subchondral erosion (100% CT, 100% MRI) and subchondral sclerosis (95% CT, 97% MRI). The total numbers of SIJ findings per dog were not associated with dog age, sex, weight, or concurrent findings in the LS or pelvic regions. The total number of MRI SIJ findings per dog differed between German Shepherds and Labrador Retrievers (P = 0.0237) as well as between Labrador Retrievers and other breeds (P = 0.0414). These results indicated that CT and MRI findings reported in humans with SIJ disease are common in large breed dogs.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».