Dog breeds and conformations in the UK in 2019: VetCompass canine demography and some consequent welfare implications
Notice bibliographique
Résumé
INTRODUCTION: Growing concerns over health and welfare impacts from extreme phenotypes in dogs have created an urgent need for reliable demographic information on the national breed structures of dogs. METHODS: This study included all dogs under primary veterinary care in the UK during 2019 at practices participating in VetCompass. Demographic data on these dogs were analysed to report on the frequency of common breeds and also to report on conformation, bodyweight, sex and neuter associations with these breeds. RESULTS: The study included 2,237,105 dogs under UK veterinary care in 2019. Overall, 69.4% (n = 1,551,462) were classified as purebred, 6.7% (149,308) as designer-crossbred and 24.0% (536,335) as nondesigner-crossbred. Across 800 unique breed names, the most frequent breeds at any age were nondesigner-crossbred (n = 536,335, 24.0%), Labrador Retriever (154,222, 6.9%) and Jack Russell Terrier (101,294, 4.5%). Among 229,624 (10.3%) dogs aged under one year, the most frequent breeds were nondesigner-crossbred (n = 45,995, 20.0%), French Bulldog (16,036, 7.0%) and Cockapoo (14,321, 6.2%). Overall, based on breed characteristics, 17.6% (395,739) were classified as brachycephalic, 43.1% (969,403) as mesaticephalic and 8.3% (186,320) as dolichocephalic. Of 1,551,336 dogs that were classifiable based on breed, 52.6% (815,673) were chondrodystrophic. Of 1,462,925 dogs that were classifiable, there were 54.6% (n = 798,426) short haired, 32.6% (476,883) medium haired and 12.8% (186,934) long haired. Of 1,547,653 dogs that were classifiable for ear carriage, 24.5% (n = 379,581) were erect, 28.1% (434,273) were semi-erect, 19.7% (305,475) were v-shaped drop and 27.7% (428,324) were pendulous. Overall, there was a 1.09:1.00 ratio of male (n = 1,163,512; 52.2%) to female dogs (n = 1,067,552; 47.8%). CONCLUSIONS: Health and welfare issues linked to popular breeds with extreme phenotypes suggest that there is much work to do to help owners to make more welfare-friendly decisions when choosing which type of dog to own.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».