MétaCan
Menu
Retour à la cohorte
Enregistrement W6892120944 · doi:10.5167/uzh-80562

Hundepopulation und Hunderassen in der Schweiz von 1955 bis 2008

2013· article· de· W6892120944 sur OpenAlexaboutno aff

Notice bibliographique

RevueZurich Open Repository and Archive (University of Zurich) · 2013
Typearticle
Languede
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueHuman-Animal Interaction Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPopulationGermanBreedAge groups

Résumé

récupéré en direct d'OpenAlex

Aim of this study is to present a survey of the dog population and breed distribution in Switzerland from 1955 to 2008 as basis to realize a population based canine cancer register for Switzerland. The number of dogs rose from 309'000 in 1955 to approximately 500'000 in 2008 correlating with a parallel increase of human population. The ratio of dogs per 100 inhabitants remains stable. This ratio is lower in German speaking compared to French or Italian speaking Cantons. The variety and popularity of breeds changed from 1955 to 2008, "winners" are Labrador and Golden Retrievers, Yorkshire and Jack Russel Terriers. Less popular breeds over the years are German Sheherd dogs and Poodles. Ziel der Studie ist es, eine Zusammenstellung der Hundepopulation und der Rasseverteilung in der Schweiz von 1955 bis 2008 als Grundlage für ein populationsbasiertes Register von Tumoren bei Hunden zu erarbeiten. Die absolute Zahl der Hunde stieg von ca. 309'000 (1955) kontinuierlich auf ca. 500'000 (2008) an. Dies korreliert mit der Bevölkerungsentwicklung im gleichen Zeitraum, die Zahl von Hunden pro 100 Einwohner bleibt nahezu konstant. In Deutschschweizer Kantonen werden weniger Hunde pro 100 Ein- wohner gehalten als in Westschweizer Kantonen. Im Untersuchungszeitraum änderte sich die Vielfalt und Beliebtheit von Rassen. Im Jahr 2008 sind im Vergleich zu den fünfziger Jahren Labrador- und Golden Retriever, Yorkshire- und Jack Russel Terrier «Gewinner», zu den «Verlierern» gehören unter anderem Deutscher Schäferhund und Pudel.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,066

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,277
Écart entre enseignants0,263 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZurich Open Repository and Archive (University of Zurich)Même sujetHuman-Animal Interaction StudiesTravaux en français237 207