Ocorrência de enfermidades em cães das raças golden retriever e labrador retriever
Notice bibliographique
Résumé
Os objetivos neste estudo retrospectivo foram investigar as informações diagnósticas de ocorrência em cães das raças golden retriever (GR) e labrador retriever (LR) atendidos no Hospital Veterinário “Governador Laudo Natel” (HV), Faculdade de Ciências Agrárias e Veterinárias (FCAV), Universidade Estatual Paulista (UNESP), Campus de Jaboticabal, SP e do Hospital Veterinário da Universidade Federal de Uberlândia (HOVET-UFU), de janeiro de 2017 a dezembro de 2021, e avaliar as enfermidades mais frequentes, em especial, a incidência da obesidade nessas raças. Para isso, foi realizado o levantamento de dados por meio da análise de prontuários de ambos os hospitais. As classificações dos pacientes foram de acordo com sexo, raça, enfermidade diagnosticada, idade e peso. Ao todo, foram analisadas 4.528 informações provenientes de 968 cães, sendo que 542 cães foram atendidos no HV-UNESP e 426 cães no HOVET-UFU. A trajetória de atendimentos ao longo dos anos foi identificada por uma análise descritiva dos dados. A predominância de informações diagnósticas relacionadas aos neoplasmas, obesidade e displasias nas raças GR e LR atendidos no HV-UNESP foi identificada. O neoplasma foi mais representativo nos cães GR e LR do HOVET-UFU, seguido por hemoparasitose e displasias. Os resultados obtidos servem de indicadores que poderão ser consultados em estudos futuros sobre as raças e as enfermidades, fornecendo auxílio aos médicos veterinários. Novas associações podem ser realizadas em relação à ocorrência de doenças mais prevalentes nos hospitais, como: fatores ambientais, nutricionais, relação tutor e cão, dentre outros que podem ter influência direta no aparecimento das enfermidades destacadas.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».