Evaluating the Effectiveness of Selective Breeding and Corrective Surgery on Entropion in Labrador Retrievers From a Guide Dog Program
Notice bibliographique
Résumé
ABSTRACT Objective To evaluate the outcome of implementing a selective breeding strategy to reduce the incidence of entropion in a guide dog program. Animals Studied Labrador Retrievers born at Guide Dogs for the Blind. 2106 whelped between July 2013 and October 2016 prior to selective breeding, and 1958 whelped between May 2020 and December 2024 after selective breeding for a total of 4064 puppies. Procedure Retrospective review of medical records. Bayesian logistic regression modeling was used to calculate the heritability of entropion and compare the risk of entropion diagnosis for dogs before and after the implementation of a selective breeding strategy. Results Prior to selective breeding, the incidence of entropion was 6.46%. After selective breeding, the incidence of entropion was 3.12%. Of the 197 puppies diagnosed with entropion (median age at first diagnosis 6.7 weeks), 181 had a recorded surgical repair procedure (median age at first repair 7.9 weeks). Repair was corrective in 164 cases (90.61%) with no recurrence of entropion. Dogs whelped in the pre‐selection cohort had 1.96 times greater risk of entropion diagnosis than dogs whelped in the post‐selection cohort. Heritability of entropion ( h 2 ) in this population is estimated to be 0.80. Conclusion These results provide evidence that in a population of Labrador Retrievers where the heritability of entropion is high, selective breeding can greatly impact the incidence of entropion, and surgical repair is an effective form of treatment at a young age.
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) | 0,001 | 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 | 0,001 |
| 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 ».