A Study on Prevalence and Clinico-pathological Findings Associated with Ascites in Dogs
Notice bibliographique
Résumé
Canine ascites is a common illness with multiple aetiologies. However, the involvement of various etiological factors is making therapeutic management extremely difficult for the clinicians. The present study was conducted on dogs with distension of abdomen at Veterinary Clinical Complex, College of Veterinary Sciences, Assam Agricultural University, Khanapara, Assam, India, to study the prevalence of the disease with respect to primary organ involvement in the pathogenesis of ascites and hemato-biochemical changes. The blood samples from the dogs were collected for hemato-biochemical analysis. Routine blood smear, fecal smear examination, ultrasonography and echocardiography of all the ascetic dogs were carried out to find out the exact etiology of ascites. Out of the total 7788 dogs assessed throughout the period from August, 2022 to January, 2023, 32 dogs (0.41%) developed ascites. The highest prevalence of ascites 53.12% was recorded in the dogs of above 6 years of age and breed wise Labrador breed (34.37%) of dogs were most commonly affected. Most of the ascites cases were found to be largely due to liver diseases (34.37%); 31.25% were due to congestive heart failure, 21.87% due to infectious causes and 12.50% due to kidney disease. The hemato-biochemical analysis revealed anemia, mild leukocytosis, hypoproteinaemia, hypoalbuminemia, hyperbilirubinemia, increased alanine aminotransferase (ALT), aspertate aminotransferase(AST), lactate dehydrogenase(LDH), blood urea nitrogen (BUN) and creatinine level in the ascitic dogs.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,000 | 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 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 ».