A Retrospective Study of Canine Primary Glaucoma (2011-2020)
Notice bibliographique
Résumé
To determine the prevalence of breed, age, and sex of canine primary glaucoma by comparing previous reports in Korea. We included the medical records of dogs diagnosed with primary glaucoma who visited the veterinary medical teaching hospital of Seoul National University (SNU) from January 2011 to December 2020 and investigated their breed, age, and sex. All the patients underwent a full ophthalmic examination. We analyzed the results using a binary logistic regression analysis based on the Jindo dog, which was close to the mean value of the primary glaucoma incidence rate. Of the 14,587 dogs treated at the veterinary medical teaching hospital of SNU, 107 (0.73%) were diagnosed with primary glaucoma. Glaucoma occurred in 14 breeds, including the American Cocker Spaniel, Shih Tzu, Maltese, Pomeranian, Jindo dog, Mixed Breed, Pekinese, Toy Poodle, Samoyed, Shiba Inu, Miniature Pinscher, Boston Terrier, Labrador retriever, and Yorkshire Terrier. The mean age of onset of primary glaucoma was 7.8 2.3 years. Primary glaucoma was observed in 53 spayed females, 11 females, 38 castrated males, and five males. Regardless of neutralization, the ratio of females to males was 1.5:1. This study showed that primary glaucoma was significantly higher in American Cocker Spaniels and higher in Shih Tzus than other breeds in Korea; they had the highest incidence of primary glaucoma at 7 and 8 years of age, respectively. Therefore, the two breeds should be carefully monitored for the occurrence of primary glaucoma when they approach 7 years of age.
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 | 0,000 | 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) | 0,001 | 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 ».