Incidence of Ocular Affections in Dogs with Special Reference to Pigmentary Keratitis
Notice bibliographique
Résumé
Background: The aim of current study was to record the Incidence of ocular affections in dogs with special reference to pigmentary keratitis. Methods: Total 6,863 animals were registered at Veterinary Clinical Complex (VCC), Co.V.Sc Jabalpur during a period of six months (May to October, 2024). Out of these animals 5,148 were of dogs, in which 300 (5.82%) dogs were suffered from various ocular affections. Pigmentary keratitis was recorded in 42 (0.81%) dogs after clinical examination. Result: Among the various ocular affections cataracts being the most common at 20.0%, followed by pigmentary keratitis, corneal ulcers, conjunctivitis, corneal edema, eyelid masses and other ocular affections were observed in decreasing order. Labrador Retriever was mostly affected among all breeds representing 25.33% of cases, with male dogs showing a higher distribution at 61.33% compared to females at 38.66%. The age group of 3 to 7 years (36.33%) suffered the most. The incidence of pigmentary keratitis in the study was 14.0%, cases of severe pigmentary keratitis (52.63%), with diffuse pigmentation pattern presented the most, Pug being the most affected breed, accounting for 69.04% of cases. Male dogs were more commonly affected than females, with a distribution of 66.66% and 33.33% respectively. Dogs aged between 3 to 7 years were the most affected, comprising 42.85% of the cases.
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 | 0,001 |
| 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 | 0,000 | 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) | 0,001 | 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 ».