KLİNİĞİMİZE GETİRİLEN KEDİ VE KÖPEKLERDE KARŞILAŞILAN KORNEA HASTALIKLARININ TANI VE SAĞALTIMI ÜZERİNE ÇALIŞMALAR
Notice bibliographique
Résumé
Bu çalışmada, Adnan Menderes Üniversitesi Veteriner Fakültesi Cerrahi Anabilim Dalı kliniklerine 01.01.2017 – 31.12.2018 tarihleri arasında getirilen kedi ve köpeklerde saptanan kornea lezyonlarının dağılımı, klinik görünümü, diğer anatomik yapılar ile ilişkisi ve sağaltım amacı ile yapılan uygulamalar konu edildi. Materyali, anılan tarih aralığında getirilen toplam 5452 hasta arasında kornea lezyonu tanısı konulan farklı yaş, cinsiyet ve ırkta toplam 189 (%3.47) kedi ve köpek oluşturdu. Olguların 111 (%59)’i köpek, 78 (%41)’i kedi idi. Köpeklerin yaşları ortalama 54.87 ay (3 ay –180 ay); 48 (43.25)’i dişi, 63 (%56.75)’ü erkek idi. Kedilerin yaşları ortalama 22.92 ay (10gün – 168 ay); 29 (%37)’u dişi, 49 (%63)’u erkek idi. Materyali oluşturan köpeklerin ırklara göre dağılımı; Golden Retriever (9, %8.1), Pug (7, %6.3), Terrier (5, %4.5), French Bulldog (5, %4.5), Cooker Spaniel (5, %4.5), Pekingese (4, %3.6), Boxer (3, %2.7), Shar Pei (3, %2.7), Pinscher (2, %1.8), Sivas Kangal (2, %1.8), English Bulldog (2, %1.8), Pointer (2, %1.8), Chow Chow (1, %0.9), Rottweiler (1, %0.9), Aksaray Malaklısı (1, %0.9), Doberman (1, %0.9), German Shepherd (1, %0.9), Boston Terrier (1, %0.9), Pommerian (1, %0.9), Siberian Husky (1, %0.9), Jack Russel Terrier (1, %0.9), Belgian Malinois (1, %0.9) ve Melez (52, %46.8) şeklinde oldu. Kedilerin ırklara göre dağılımı; Persian (4, %5.1), British Shorthair (3, %3.8), Scottish Fold (2, %2.6), Bengal Cat (1, %1.3), Himalayan Cat (1, %1.3) ve Melez (67, %85.9) olarak belirlendi. Klinik muayenede anamnez bilgileri alındı, inspeksiyon, fizik ve takiben oftalmoskopik muayene gerçekleştirildi. Oftalmolojik muayenede göz bütün eklenti organları ile genel olarak değerlendirildi. Görüş muayene testi, direkt oftalmoskopi, Slit-Lamp Biyomikroskopi, Fundus görüntüleme yanı sıra Flourescein boya ve Schirmer gözyaşı testleri uygulandı. Köpeklerde saptanan olgular keratitis superfisialis (60, %54.05), keratokonjunktivitis (10, %9.00), ulkus kornea (24, %21.62), korneal yabancı cisim (2, %1.80), korneal sekester xiii (1, %0.90), keratitis pannosa (2, %1.80), keratopati (1, %0.90), korneal ödem (1, %0.90), keratitis purulenta (2, %1.80), kist dermoid (1, %0.90), korneal pigmentasyon (2, %1.80), dessematosel (2, %1.80), panophthalmitis purulenta (1, %0.90) ve korneal erozyon (1, %0.90) olarak dağılım sergiledi. Kedilerde saptanan olgular keratitis superfisialis (24, %30.77), ulkus kornea (17, %21.80), korneal sekester (14, %17.95), keratokonjunktivitis (12, %15.40), korneal yabancı cisim (4, %5.12), keratitis purulenta (3, %3.84), korneal nekroz (2, %2.56), keratopati (1, %1.28) ve korneal ödem (1, %1.28) şeklinde dağılım gösterdi. Kedi ve köpeklerin %33’ünde tek başına kornea lezyonu saptanırken; %67’sinde gözün diğer anatomik bölgeleri de etkilenmişti. Kedilerde primer kornea hastalıklarının oranı %65, sekonder olanların oranı %45 idi. Köpeklerin %86’sına medikal, %14’üne operatif; kedilerin %40’ına operatif, %60’ına medikal sağaltım uygulandı. Sonuç olarak genel hasta sayısı içerisinde kornea lezyonu saptanan olguların oranı %3.47 olarak saptanmıştır. Bu oran dikkati çeker düzeyde bulunmuştur. Olgular içerisinde köpeklerde keratitis superfisialis, ulkus kornea, keratokonjunktivitis en sık karşılaşılan olgular arasında yer alırken; kedilerde hastalıkların görülme sıklığı keratitis superfisialis, ulkus kornea, korneal sekester ve keratokonjunktivitis şeklinde sıralanmıştır.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,041 | 0,008 |
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 ».