MétaCan
Menu
Retour à la cohorte
Enregistrement W4394182669 · doi:10.6084/m9.figshare.7231010

Effects of Neutering Across Breeds and Mixed Breeds

2018· dataset· en· W4394182669 sur OpenAlexaboutno aff
Benjamin L. Hart, Lynette A. Hart, Abigail P. Thigpen, Neil H. Willits

Notice bibliographique

RevueOPAL (Open@LaTrobe) (La Trobe University) · 2018
Typedataset
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueEcology and Conservation Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNeuteringDemographyGeographyGenealogyBiologyMedicineHistoryInternal medicineSociology

Résumé

récupéré en direct d'OpenAlex

Datasets used to study the effects of neutering (including spaying) in increasing the incidence of joint disorders and cancers in Australian Cattle Dogs, Australian Shepherds, Beagles, Bernese Mountain Dogs, Border Collies, Boston Terriers, Boxers, Bulldogs, Cavalier King Charles Spaniels, Chihuahuas, Cocker Spaniels, Collies, Corgis, Dachshunds, Doberman Pinschers, English Springer Spaniels, German Shepherds, Golden Retrievers, Great Danes, Irish Wolfhounds, Jack Russell Terriers, Labrador Retrievers, Malteses, Miniature Schnauzers, Pomeranians, Poodles (3 varieties), Pugs, Rottweilers, Saint Bernards, Shetland Sheepdogs, Shih Tzus, West Highland White Terriers, Yorkshire Terriers, and 5 weight categories of mixed breed dogs: small (<10kg), medium (10-19kg), standard (20-29kg), large (30-39kg), and giant (40+kg). Veterinary hospital records from the University of California, Davis were examined for dogs ranging from ages 1 to 11 for the effects of neutering during the specified age ranges: before 6 mo., and during 6-11 mo., during 1 year and in years 2 through 8. The diseases examined were hip dysplasia, CCL tear, elbow dysplasia, lymphosarcoma, mast cell tumor, hemangiosarcoma, osteosarcoma, mammary cancer, pyometra, and urinary incontinence.

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)0,004
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: aucune
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,054

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,016
Tête enseignante GPT0,225
Écart entre enseignants0,209 · 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'étudeSans objet
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOPAL (Open@LaTrobe) (La Trobe University)Même sujetEcology and Conservation StudiesTravaux en français237 207