Epidemiological Aspects of Renal Disorders in Dogs at South-Saurastra Region of Gujarat- A Prospective Study
Notice bibliographique
Résumé
Background: Kidney plays a major role in eliminating metabolic wastes from body, in maintaining acid-base balance and production of hormones. Due to their anatomic and physiologic features, kidneys are most susceptible to toxicity and ischemia. No study has been carried out to assess the renal disorders in dog in this region. Hence, the epidemiological study was carried out to record renal disorders in dogs at Junagadh. Methods: The assessment of the incidence of renal disorders in dogs was performed in the hospital cases presented at Veterinary Clinical Complex, COVSAH, KU from September 2022 to August 2023. A total of 2850 caseloads of dogs with different ailments were screened, out of which 170 dogs were diagnosed as renal disorders based on clinical presentation, hematology, serum biochemistry, urine analysis and nephrosonography. Result: The overall incidence of renal disorders in dogs was 5.96%. The higher occurrence of renal disorders was noted in age group of 6-8 years (9.62%) and males (6.61%). The dog breeds that were found higher incidence were Labrador retriever (9.68%) followed by German shepherd (7.24%). Month and Season wise higher incidence was recorded in the month of October (10%) of monsoon (7.61%) season. The highest recorded incidence of renal disorder was nephritis and renal failure (AKI/CKD) (each 35.88%).
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».