Risk factors for canine infectious respiratory disease complex and the pathogens associated with the disease.
Notice bibliographique
Résumé
Background: Canine infectious respiratory disease complex (CIRDC) is a common respiratory condition typically associated with high-density populations. Objectives: The objectives of this study were to determine the most common pathogens involved in CIRDC and to identify risk factors (pathogens, environmental exposures) associated with the diagnosis. Animals and procedure: A prospective, multi-clinic, case-control study was conducted in Canada from April 2017 to May 2018. A total of 110 dogs (74 cases, 36 controls) were enrolled by participating veterinary clinics. Pathogens were detected using a respiratory PCR panel. Results: , and canine respiratory coronavirus (CRCoV) were detected in cases only. According to 2 logistic regression models, detection of CPIV (OR: 14.42; 95% CI: 2.24 to ∞) and CRCoV (OR: 8.64; 95% CI: 1.26 to ∞) were associated with CIRDC disease status. In another model, exposures to multiple-dog gatherings also increased the odds (OR: 3.39; 95% CI: 1.26 to 9.81) of CIRDC diagnosis. Conclusions: were important contributors to CIRDC cases. Detection of CPIV and CRCoV and exposure to areas of dog gatherings were identified as having a role in disease status when evaluated statistically, under the conditions of this study.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,003 | 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 ».