Obesity risk factors in British Labrador retrievers: Effect of sex, neuter status, age, chocolate coat colour and food motivation
Notice bibliographique
Résumé
BACKGROUND: Canine obesity is a complex disease affected by genetic, endocrine and environmental factors. It is associated with reduced lifespan and many comorbidities. Prevalence differs by breed, with Labrador retrievers at high risk. Past data on how biological risk factors impact weight gain have been contradictory, possibly because they were obtained from genetically heterogeneous populations. METHODS: We investigated risk factors for canine obesity in a population of British Labrador retrievers (n = 521) with high-quality data on obesity, weight, owner-reported food motivation and related characteristics. We used linear regression to assess known and novel risk factors for obesity. RESULTS: We found that neutering increased obesity in males (p < 0.001) but not females (p = 0.37). Older age was associated with obesity in female Labradors (p = 0.013) but not males (p = 0.49). We identified two new risk factors for obesity in Labrador retrievers: chocolate coat colour (p < 0.001) and high food motivation (p < 0.001). LIMITATIONS: Strategic recruitment to collect both obese and lean dogs means this cohort is not suitable for assessing obesity prevalence in UK Labrador retrievers. CONCLUSION: Studying this genetically homogeneous population informs our knowledge of common risk factors for obesity and expands those relevant to Labrador 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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».