Assessment of the etiological causes of hyperkalemia in dogs
Notice bibliographique
Résumé
Hyperkalemia is a marker of many disorders in different species of animals and birds, leading to a significant number of pathophysiological abnormalities. However, dogs have no literature data on the features of potassium metabolism and etiological causes of hyperkalemia in different breeds, especially when taking into account significant differences in size and conditions of keeping. The purpose of the presented study was to identify and assess the frequency of occurrence of etiological causes leading to the development of hyperkalemia in dogs of different breeds in the territory of the city. St. Petersburg with subsequent statistical processing of the obtained results.In the presented study, the analysis of biochemical blood parameters of dogs of small breeds (Yorkshire Terrier, Toy Terrier, Pomeranian, dachshund, tsvergpincher, Chihuahua, Shih Tzu), large breeds (Labrador Retriever, German Shepherd, Dalmatian, American Staffordshire Terrier, Central Asian Shepherd, Husky) enrolled in private veterinary clinic of St. Petersburg in the summer-autumn period.It was found that the most common causes of hyperkalemia in small breed dogs include chronic kidney disease (25%), oncological diseases (18%), infectious processes (pyometra) (14%), heart disease (14%). In dogs of large breeds, the main role in the development of hyperkalemia is played by diseases of the urinary system – 24% (of which chronic kidney disease - 14%, acute renal insufficiency – 5%, bacterial cystitis - 5%), endocrinopathy - 19% (of which diabetes mellitus – 14%, hypothyroidism - 5%), oncological diseases (19%), orthopedic disorders (19%), neurological disorders (14%).
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».