Feline coronavirus and feline infectious peritonitis (FIP) – Russian roulette for your pet
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Feline coronavirus and feline infectious peritonitis (FIP) – Russian roulette for your pet Utilising Machine Learning on clinical datasets could help to crack the enigma of feline infectious peritonitis diagnosis. Coronaviruses came to the forefront of public consciousness in 2019 with the outbreak of the SARS-CoV-2 pandemic. However, this family of viruses has long been recognised as important pathogens of animals and man. Feline coronavirus (FCoV) is a ubiquitous pathogen of cats, which can sometimes cause a devastating disease called ‘feline infectious peritonitis’ (FIP) in both domestic and wild felids. This virus is common among pet cats and in multi-cat households and shelters, where its prevalence can be extremely high. Infection is reasonably innocuous for most cats, who may experience asymptomatic infection or develop a mild gastrointestinal upset. However, similar to COVID-19 in humans, sometimes infection has more severe consequences. In a small fraction of cases, usually between 5 and 10% of FCoV-infected individuals, (1) cats develop a severe aberrant immune response to the virus, resulting in FIP. Different types of FIP occur, affecting different tissues, and until very recently, the disease was invariably fatal.
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.
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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle