What Kinds of Dogs Are Used in Clinical and Experimental Research?
Notice bibliographique
Résumé
BACKGROUND: Dogs are widely used in research to answer questions about canine or human conditions. For the latter, research dogs are often used as models, since they are physiologically more similar to humans than other species used in research and they share similar environmental conditions. From a veterinary perspective, research findings are widely based on academic research, and thus are generated under experimental conditions. In that regard, the question arises: do the dogs used for research adequately represent the dog population seen in veterinary practice? It may, for example, be assumed that Beagle dogs are often used as experimental animals. The objective of this study was to evaluate the signalment of dogs used in veterinary research. Furthermore, we aimed to assess other relevant criteria regarding the validity of clinical trials in the context of six different veterinary medicine specialties: cardiology, internal medicine, neurology, orthopaedics, reproduction, and surgery. METHODS: = 150) published between 2007 and 2019 were evaluated. RESULTS: In total, 596,542 dogs were used in the 150 trials. Breed information was given for 33,835 of these dogs (5.7%). Of the latter, 1.9% were Beagles. Nine clinical trials exclusively used Beagles. The most frequently used breeds were German Shepherds (7.3%), Labrador Retrievers (6.7%), and Golden Retrievers (4.7%). The major reporting deficits found were missing breed specification in 25.3% of the articles; missing information about the sex of the dogs in 16.2%; missing age and weight information in 22.7 and 32.7%, respectively; and missing neuter status in 38.7% of the clinical studies. The median sample size was 56 (Q1:29; Q3:365) dogs. CONCLUSIONS: The presented project revealed that Beagle dogs represent only a small proportion of dogs in veterinary research. Based on the evaluated publications, it seems that some relevant dog attributes differ between the specialties. The results, however, show deficits in the reporting of demographic data for the dogs. The need for an improvement in the documentation and/or reporting of animal signalment is obvious and should be addressed by authors, reviewers, and journal editors in the future.
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 | 0,177 | 0,379 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,006 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,005 |
| Communication savante | 0,005 | 0,007 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 ».