Perceptions and opinions of pet caregivers in mainland and Hong Kong China about surgery, pain management, and anesthesia in dogs and cats
Notice bibliographique
Résumé
Small animal caregivers' perceptions and previous life experiences play a pivotal role in patient care, making effective communication fundamental within the veterinary business. Despite the large and growing scale of the pet industry, data on small animal client-centered information about veterinary services in Mainland China (MC) and the Hong Kong Special Administrative Region (HKSAR) China are lacking. The objective of this study was to investigate the perceptions and opinions of small animal caregivers about surgery, pain management, and anesthesia in dogs and cats in these geographical regions through a validated online survey using content validity index. A total of 2080 valid answers were collected by convenience sampling over 45 days. Descriptive statistics were used to summarize data; the chi-square test and generalized linear models were used to test the associations between demographics and responses. Overall, caregivers appeared favorable toward the use of analgesia in their pets, with concerns over the potential adverse effects produced by analgesic drugs. Joint pain and ear infections were generally rated as conditions that would be less prone to require analgesia. Significant associations were observed for demographic factors such as gender, age, and geographical area, whether participants were healthcare providers, and whether their pets had undergone surgery before. Although many respondents expressed uncertainty in recognizing pain in their pets and administering analgesics, they also expressed a desire to learn and to be informed. This study highlights areas and factors that may determine the perceptions and opinions of small animal caregivers that form a unique human-animal bond in China. Client communication should be addressed on a case-by-case basis and adapted to the geographical area, as the individual background and demographics may have an ultimate impact on treatment goals and patient care.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».