Cranial cruciate ligament disease is perceived to be prevalent and is misunderstood in field trial sport
Notice bibliographique
Résumé
OBJECTIVE: Cranial cruciate ligament disease (CCLD) is the most prevalent orthopedic problem in canines, affecting 3% to 5% of dogs, causing stifle instability, mobility dysfunction, and pain. The objective of this study was to evaluate the American Kennel Club field trial community's knowledge of CCLD and estimate its perceived prevalence within this population. SAMPLE: 401 field trial participants responded, with 701 field trial canines reported. METHODS: A survey instrument was emailed to a population of Retriever field trial participants to collect information on perceptions and experience with CCLD and current canine participants. Analyses included descriptive statistics, multiple logistic regression, and χ2 tests (significant at P < .05). RESULTS: The majority of respondents appropriately identified the connection between genetics and CCLD (69%). There was under-recognition (6%) of the degenerative nature of the disease, with 61% inappropriately identifying trauma as the major cause. Respondents also indicated that a CCLD diagnosis in a dog's sibling or offspring affected their breeding decisions less than a diagnosis in their parents, indicating a misunderstanding of genetics. More than half of respondents indicated prior experiences with CCLD. The reported occurrence of CCLD was found to be 12% (72/610) in field trial Labrador Retrievers. CLINICAL RELEVANCE: There is a lack of knowledge in the field trial community regarding CCLD. This population showed a higher owner-perceived occurrence of CCLD compared to data collected from medical records. Further investigation is warranted to validate the true prevalence of CCLD in field trial Retrievers.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 source (Gemma direct ou Codex distillé), 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 ».