MétaCan
Menu
Retour à la cohorte
Enregistrement W4376891003 · doi:10.3390/ani13101647

Internet-Based Survey on Physical Activity and Incidence of Injury in Active Working Dogs

2023· article· en· W4376891003 sur OpenAlexaboutno aff
Giuseppe Spinella, Simona Valentini, Mirella Lopedote

Notice bibliographique

RevueAnimals · 2023
Typearticle
Langueen
DomaineVeterinary
ThématiqueVeterinary Orthopedics and Neurology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineIncidence (geometry)Hip dysplasiaWildlifePhysical examinationPhysical therapySurgeryRadiography

Résumé

récupéré en direct d'OpenAlex

A survey with 100 multiple choice and open-ended questions was proposed by free access to working dogs' handlers. One hundred and nine respondents were recorded and their dates processed. The most represented breeds were: Belgian Malinois, Labrador, Border Collie and German Shepherds. Of these, 71.6% were intact dogs and 28.4% were spayed or neutered, with a median age range of 3-4 years. Furthermore, 55.5% had undergone early radiographic examinations for hip or elbow dysplasia diagnosis. The dogs performed the following activities: search and rescue on surface (59%), search and rescue on rubble (37%), Internationale Gebrauchshund Pruefung (IGP) (9%), man trailing (5%), sled dog (5%), search on avalanche (4%), dog towing (3%), canine shows (3%), hunting (2%), water rescue (1%), pet therapy (1%), wildlife conservation dog (1%), Mondioring (1%). Only 36.4% of respondents submitted their dogs to a specific sports medical examination and 55.5% to an orthopaedic examination. An injury incidence of 45.5% was recorded, generally related to mild musculoskeletal trauma. A limited number of handlers routinely performed warm-up and/or cool-down activities. A positive assessment emerged of the need for many respondents to attend and request education courses and updates on the proper health management of their dogs.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,128
Tête enseignante GPT0,375
Écart entre enseignants0,247 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations4
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnimalsMême sujetVeterinary Orthopedics and NeurologyTravaux en français237 207