Epidemiological Valuation of Renal Diseases in Dogs in and Around Guwahati Region of Assam, India
Notice bibliographique
Résumé
Renal disease is one of the most common and fatal condition occurring in dogs. Only few reports are available on the prevalence of renal diseases in dogs in India in general and in Assam in particular. The present study was intended to report the prevalence of renal diseases in dogs registered at Veterinary Clinical Complex, Guwahati, Assam over a period of 5 years. The study was conducted on all the dogs registered at veterinary clinical complex, college of veterinary science, Khanapara from January 2018 to December 2022. The dogs were screened for renal diseases on the basis of patient’s history, clinical signs and symptoms; and were confirmed for renal diseases on the basis of haemato-biochemical analysis, urinalysis and diagnostic study (imaging techniques like radiography and ultrasonography). The overall prevalence of renal disorder in dogs was found to be 2.74%. The breed-wise occurrence of renal disorder was found to be highest in Labrador retriever (29.71%) followed by non-descript breed (17.22%). The sex-wise occurrence was found to be higher in males (60.08%) than female dogs (39.92 %). Highest occurrence of renal disease was observed in the age group of greater than 6-10 Years (31.74%) followed by age group of greater than 3-6 Years (26.38%). The present study evaluated the prevalence of renal diseases in dogs in and around Guwahati region. The highest occurrence of renal disorder was observed in Labrador dogs while English pointer is the least affected one amongst all the breeds. The occurrence of renal disorder in dogs was found be increased with the advancement of age. Male dogs are more prone to renal disorder compared to female dogs.
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 | 0,015 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».