MétaCan
Menu
Retour à la cohorte
Enregistrement W4393608666 · doi:10.62757/iva.2024.101.2.34-38

Mammary Tumors in dogs: Age, Breed, Gender, Rearing, and Diet Factors

2024· article· en· W4393608666 sur OpenAlexaboutno aff
S. Sruthi, K.S. Prasanna, Anju George, I.S. Sajitha, S.N. Sudheesh, P.P. Varuna, R. Bharathi

Notice bibliographique

RevueThe Indian Veterinary Journal · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueVeterinary Oncology Research
Établissements canadiensnon disponible
Organismes subventionnairesIndian Council of Medical Research
Mots-clésBreedAnimal scienceBiologyPhysiologyMedicine

Résumé

récupéré en direct d'OpenAlex

Mammary neoplasms, are the second most common canine cancer type that pose a significant health concern for the dogs. This research explores the prevalence and identifies various risk factors associated with their occurrence. Among 45 confirmed cases, mammary tumors were most common in dogs aged 8 to 12 years. Female dogs were more susceptible, attributed to estrogen's effect on mammary glands. The highest occurrence of mammary tumors was identified in Labrador Retrievers and Crossbred dogs. The highest incidence of CMTs was noted in the inguinal mammary gland. Following this, the caudal abdominal gland, cranial thoracic mammary gland, while the caudal thoracic glands accounted the least number of cases. In the current study, there was higher incidence of neoplasms in underweight dogs and in owned dogs reared in outdoors. This study provides insights into the epidemiology of mammary tumors in dogs, with respect to  age, gender, breed, environmental exposures, and dietary practices as significant.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Étude de cas · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,447
Score d'incertitude au seuil0,711

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,099
Tête enseignante GPT0,371
Écart entre enseignants0,271 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeÉtude de cas
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

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Indian Veterinary JournalMême sujetVeterinary Oncology ResearchTravaux en français237 207