Evaluation of salivary urea nitrogen test in cats with lower urinary tract outflow obstructions.
Notice bibliographique
Résumé
Objective: To determine if the Kidney-Chek salivary test (SN Biomedical) could accurately detect azotemia in cats with urethral obstruction. Animals: Cats included in the study were adult male cats > 1 y of age, each with an inexpressible bladder > 4 cm in diameter as visualized on ultrasound examination. Procedure: Twenty-one cats meeting these criteria were admitted to a veterinary hospital. Each cat had salivary urea nitrogen (SUN) assessed with a Kidney-Chek test, following the Kidney-Chek protocol. Blood urea nitrogen (BUN) and creatinine were also assessed. Results: Twenty-one cats were included in the study. One cat was excluded due to dry saliva sample collection. Final results showed that the SUN test strips were 84% accurate in identifying azotemia or non-azotemia. Azotemia was correctly identified in 78.57% of cats and non-azotemia was correctly identified in 90.9% of cats. Positive correlations were noted between SUN and BUN and SUN and creatinine. There was a negative correlation between SUN and urine specific gravity. No correlation was identified between hydration level and SUN. Hydration had no effect on test results. Conclusion: Salivary urea nitrogen results from the Kidney-Chek salivary test were correlated to BUN and creatinine results. This test can be used to detect azotemia in selected cases of feline urethral obstruction. Clinical relevance: This study demonstrated that SUN may be used to detect azotemia in cats at risk of urinary tract obstruction. This test may be useful for clients to use at home, before bringing their animals to the clinic, or as a cost-saving alternative in a clinic setting. Access to an immediately available azotemia reading can help practitioners make guided treatment recommendations and determine if cats are good candidates for outpatient treatment.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 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 ».