MétaCan
Menu
Retour à la cohorte
Enregistrement W4405243418 · doi:10.22271/veterinary.2024.v9.i6f.1893

Prevalence of haemoprotozoan infections in dogs in Chennai

2024· article· en· W4405243418 sur OpenAlexaboutno aff
Ramesh S. Ve, Kasilingam Senthilkumar, P Nithya, S. Subapriya, V Kumar, Leela Kamalam

Notice bibliographique

RevueInternational Journal of Veterinary Sciences and Animal Husbandry · 2024
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueRabies epidemiology and control
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésVeterinary medicineMedicineEnvironmental healthGeography

Résumé

récupéré en direct d'OpenAlex

The present work was carried out to assess the prevalence of haemoprotozoan infections in dogs presented at Madras Veterinary College Teaching Hospital, Chennai. A total of 6415 blood smears from various dog breeds showing clinical signs of haemoprotozoan infections were referred for this laboratory for confirmative diagnosis. The overall prevalence of haemoprotozoan infections was found to be 1.09%, of which, E. canis recorded the highest prevalence (87.14%), followed by H. canis (10.00%) and Trypanosoma spp and Babesia vogeli (1.42% each). The females revealed highest percentage of 60% compared to the males (40%). With regard to the age, the highest prevalence was recorded in dogs belonging to 0-3 years (55.71%), followed by 4-6 years (25.74%) and more than 6 years (18.57%). Among breeds, non-descript breeds revealed the highest prevalence (34.28%) followed by Labrador Retriever (27.14%), Spitz (14.28%), German Shepherd and Doberman (5.71% each), Dachshund and Pug (4.28% each) and Boxer, Great Dane and St. Bernard (1.42% each).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,275
Score d'incertitude au seuil0,211

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,034
Tête enseignante GPT0,340
Écart entre enseignants0,306 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Veterinary Sciences and Animal HusbandryMême sujetRabies epidemiology and controlTravaux en français237 207