Morbidity of insured Swedish cats between 2011 and 2016: Comparing disease risk in domestic crosses and purebreds
Notice bibliographique
Résumé
BACKGROUND: Sources of population-based cat health information are scarce. The objective of this study was to determine disease frequency in cats using pet insurance data to inform health promotion efforts. METHODS: A descriptive analysis of cats insured with Agria Pet Insurance in Sweden (2011-2016) was performed. Incidence rates of broad disease categories were calculated based on veterinary care events and an exact denominator consisting of cat-years-at-risk. Rate ratios were calculated, comparing domestic crosses to all purebreds and specific purebreds to all other purebreds combined. RESULTS: The study included over 1.6 million cat-years-at-risk (78.5% were domestic crosses), 18 breeds and 24 disease categories. The most common disease categories causing morbidity in purebreds were digestive, whole body, injury, urinary lower, skin and female reproduction. Purebreds had the highest relative risk (compared to domestics crosses) in the female reproduction, heart, operation complication, respiratory lower and immunological disease categories. LIMITATIONS: There are typical limitations of secondary data, but they do not negate the overall value of such a large dataset. CONCLUSION: This study demonstrates how pet insurance data can be used to find breed-specific differences in the incidence of various disease categories in cats. This may be of importance for breeders, cat owners, veterinarians and researchers.
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 | 0,000 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».