Ocular diagnostics, ophthalmic findings, and conjunctival microbiome in the Chilean flamingo (<i>Phoenicopterus chilensis</i>)
Notice bibliographique
Résumé
OBJECTIVE: To establish normative data for selected ocular diagnostic tests and commensal conjunctival microflora and describe the incidence of ocular pathology in Chilean flamingos. ANIMALS STUDIED: A total of 41 Chilean flamingos were examined at the Blank Park Zoo in Des Moines, Iowa. PROCEDURES: In 20 flamingos, blink rate was assessed undisturbed in their exhibit, then gentle manual restraint was used to assess palpebral fissure length (PFL), aqueous tear production (phenol red thread test [PRTT] in one eye, endodontic absorbent paper point tear test [EAPPTT] in the other), intraocular pressure (IOP; rebound tonometry), and fluorescein staining. Twenty-one other flamingos were brought to a darkened area for neuro-ophthalmic examination, slit lamp biomicroscopy, and indirect ophthalmoscopy. Swabs from seven flamingos were used for ocular microbiome evaluation. RESULTS: Results are presented as mean ± standard deviation (range). Flamingos comprised 23 females/18 males, aged 11 ± 9.1 (0.7-40) years. Test results: blink rate, 3.7 ± 2 (1-9) blinks/min; PFL, 11.2 ± 1.2 (9-14) mm; IOP, 14 ± 3.2 (10-22) mmHg; EAPPT, 10.2 ± 2.8 (9-14) mm/min; PRTT, 6.8 ± 2.5 (3-13) mm/15 s. Dazzle reflex was positive in four birds examined. Pathologies included cataracts (n = 7 birds), corneal fibrosis (n = 3), endothelial pigment (n = 2), uveal cysts (n = 1), lens luxation (n = 1), and uveitis (n = 1). Ocular microbiome showed high diversity of taxa. CONCLUSIONS: Baseline ocular parameters and incidence of ophthalmic pathology assist veterinarians with disease screening for Chilean flamingos, while the ocular microbiome showed high diversity.
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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».