MétaCan
Menu
Retour à la cohorte
Enregistrement W4308768687 · doi:10.3390/vetsci9110626

Oral Electrolyte and Water Supplementation in Horses

2022· review· en· W4308768687 sur OpenAlexafffund
Michael I. Lindinger

Notice bibliographique

RevueVeterinary Sciences · 2022
Typereview
Langueen
DomaineVeterinary
ThématiqueVeterinary Equine Medical Research
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésElectrolyteDehydrationAbsorption (acoustics)ChemistryStomachMedicineBiochemistryMaterials science

Résumé

récupéré en direct d'OpenAlex

Horses that sweat for prolonged periods lose considerable amounts of water and electrolytes. Maintenance of hydration and prevention of dehydration requires that water and electrolytes are replaced. Dehydration is common in equine disciplines and can be avoided, thus promoting equine wellness, improved performance and enhanced horse and rider safety. Significant dehydration occurs through exercise or transport lasting one hour or more. Oral electrolyte supplementation is an effective strategy to replace water and electrolytes lost through sweating. The stomach and small intestine serve as a reservoir for uptake of water and electrolytes consumed 1 to 2 h prior to exercise and transport. The small intestine is the primary site of very rapid absorption of ions and water. Water and ions absorbed in the small intestine are taken up by muscles, and also transported via the blood to the skin where they serve to replace or augment the losses of water and ions in the body. Effective electrolyte supplements are designed to replace the proportions of ions lost through sweating; failure to do so can result in electrolyte imbalance. Adequate water must be consumed with electrolytes so as to maintain solution osmolality less than that of body fluids in order to promote gastric emptying and intestinal absorption. The electrolyte supplement should taste good, and horses should be trained to drink the solution voluntarily prior to and during transport, and prior to and after exercise.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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.

Tête enseignante Opus0,383
Tête enseignante GPT0,507
Écart entre enseignants0,124 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations5
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueVeterinary SciencesMême sujetVeterinary Equine Medical ResearchTravaux en français237 207