MétaCan
Menu
Retour à la cohorte
Enregistrement W4386910507 · doi:10.1080/10888705.2023.2259796

Effect of harness design on the biomechanics of domestic dogs ( <i>Canis lupus familiaris</i> )

2023· article· en· W4386910507 sur OpenAlexfundno aff
Ellen Williams, Violet Hunton, Jacqueline Boyd, Anne Carter

Notice bibliographique

RevueJournal of Applied Animal Welfare Science · 2023
Typearticle
Langueen
DomaineVeterinary
ThématiqueVeterinary Orthopedics and Neurology
Établissements canadiensnon disponible
Organismes subventionnairesTrent UniversityNottingham Trent UniversityHarper Adams University
Mots-clésBiomechanicsHumerusGaitPhysical medicine and rehabilitationMedicineGait analysisBreedAnatomyOrthodonticsBiologyAnimal science

Résumé

récupéré en direct d'OpenAlex

Harnesses have become increasingly popular and whilst there are benefits to harnesses, the impact of harness design on canine biomechanics, and thus physical health and welfare is largely unknown. The purpose of this study was to assess the effect of three popular commercially available harnesses on canine locomotion in 66 domestic dogs. Dogs were filmed moving on a loose lead over a Tekscan Strideway gait analysis system. Stride length as a proportion of limb length (calculated as distance from the elbow to the floor), body weight distribution in the front versus the hind limbs (%), and minimum and maximum apparent angles of the lateral epicondyle of humerus (LEH) and greater tubercle of humerus (GTH) during the motion cycle were measured. Except for GTH angles, there were significant differences in all the investigated metrics. Differences varied across breeds/breed types. It is recommended that, when purchasing and fitting harnesses for dogs, owners and harness fitters treat dogs on an individual basis. The impact of pulling in harness on dog gait requires investigation as dogs may experience greater restrictions when pulling than during locomotion on a loose lead.

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 enseignants0,001
Score d'incertitude au seuil0,004

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
Bibliométrie0,0000,000
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)0,0010,000

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.

Tête enseignante Opus0,037
Tête enseignante GPT0,316
Écart entre enseignants0,280 · 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

Citations7
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied Animal Welfare ScienceMême sujetVeterinary Orthopedics and NeurologyTravaux en français237 207