Cutaneous tumors in Swiss dogs: retrospective data from the Swiss Canine Cancer Registry, 2008–2013
Notice bibliographique
Résumé
Data collected in animal cancer registries comprise extensive and valuable information, even more so when evaluated in context with precise population data. The authors evaluated 11 740 canine skin tumors collected in the Swiss Canine Cancer Registry from 2008-2013, considering data on breed, sex, age, and anatomic locations. Their incidence rate (IR) per 100 000 dogs/year in the Swiss dog population was calculated based on data from the official and mandatory Swiss dog registration database ANIS. The most common tumor types were mast cell tumors (16.35%; IR, 60.3), lipomas (12.47%; IR, 46.0), hair follicle tumors (12.34%; IR, 45.5), histiocytomas (12.10%; IR, 44.6), soft tissue sarcomas (10.86%; IR, 40.1), and melanocytic tumors (8.63%; IR, 31.8) with >1000 tumors per type. The average IR of all tumor types across the 227 registered breeds was 372.2. The highest tumor incidence was found in the Giant Schnauzer (IR, 1616.3), the Standard Schnauzer (IR, 1545.4), the Magyar Vizsla (IR, 1534.6), the Rhodesian Ridgeback (IR, 1445.0), the Nova Scotia Duck Tolling Retriever (IR, 1351.7), and the Boxer (IR, 1350.0). Mixed-breed dogs (IR, 979.4) had an increased IR compared to the average of all breeds. Previously reported breed predispositions for most tumor types were confirmed. Nevertheless, the data also showed an increased IR for mast cell tumors and melanocytic tumors in the Nova Scotia Duck Tolling Retriever and for histiocytomas in the Flat Coated Retriever. The results from this study can be taken into consideration when selecting purebred dogs for breeding to improve a breed's health.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,002 |
| 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 ».