Risk factors for insidious uveitis in the Knabstrupper breed
Notice bibliographique
Résumé
BACKGROUND: Equine recurrent uveitis (ERU) is the leading cause of blindness for horses; previous research implicated the leopard complex spotting allele (LP) as a genetic risk factor for insidious uveitis in the Appaloosa. There is limited information about risk in the Knabstrupper. OBJECTIVE: To evaluate clinical manifestations, disease frequency and potential risk factors for ERU in Knabstrupper horses. STUDY DESIGN: Cross-sectional study. METHODS: Ocular examinations were performed on 116 horses, and based on identified anomalies, horses were classified as suspect, ERU-affected or having no clinical signs. Microagglutination testing (MAT) of serum assessed exposure to Leptospira spp. Clinical signs, age, sex, base colour, coat pattern, LP and PATN1 genotypes, percent white at birth, progressive roaning and Leptospira were assessed as risk factors using multivariable exact logistic regression, accounting for clustering at the barn level. Additionally, a pedigree analysis was performed (n = 20 cases and 21 controls), and coefficients of coancestry (CC) and inbreeding were calculated. RESULTS: Prevalence of insidious uveitis in this sample of Knabstruppers was 20.7%. Similar to findings for Appaloosas, LP homozygotes had higher odds of uveitis compared with true solid (N/N) horses (LP/LP OR = 7.64, 95% CI [0.8 to +INF], p = 0.04) and age was also identified as a risk factor. After accounting for LP, the 16-20 age group had higher odds compared with the youngest group (OR = 13.36, 95% CI [1.4-213.4], p = 0.009). The distributions of average CC were significantly different between cases and controls (p = 0.01). MAIN LIMITATIONS: A relatively small sample size decreased the power for detecting additional associations. The progressive nature of insidious uveitis may have prevented identification of younger affected horses. CONCLUSIONS: Our data support genotyping for LP to assess risk of ERU in Knabstruppers. Additional studies are necessary to develop more robust risk models across LP breeds for earlier detection and improved clinical management.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».