MétaCan
Menu
Retour à la cohorte
Enregistrement W7151694685

Canine cranial cruciate ligament disease etiological factors

2015· dissertation· lt· W7151694685 sur OpenAlexaboutno aff
Kęstutis Kaminskas

Notice bibliographique

RevueLithuanian University of Health Sciences · 2015
Typedissertation
Languelt
DomaineVeterinary
ThématiqueVeterinary Orthopedics and Neurology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCruciate ligamentEtiologyContext (archaeology)DiseaseCadaveric spasm
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Darbo tikslas buvo išnagrinėti šunų sergančių kranialinių kryžminių raiščių liga klinikinės anamnezės duomenis, blauzdikaulio morfologiją, bei šių duomenų sąsają su kranialinių kryžminių raiščių patogeneze. Išnagrinėta priekinio kryžminio raiščio ligos etiologija. Nustatyta kokią įtaką turi priekinio kryžminio raiščio ligos išsivystymui šunų svoris, lytis, veislė, blauzdikaulio proksimalinės dalies morfometrija. Įvertinta kokio amžiaus šunims priekinio kryžminio raiščio liga pasireiškia dažniausiai. Nustatyta kaip dažnai pasireiškia bilateralinė priekinių kryžminių raiščių liga, bei koks laiko intervalas tarp ligos epizodų yra dažniausias. Pasak nagrinėtos literatūros, priekinių kryžminių raiščių ligos pasireiškimui įtakos turi genetiniai, autoimuniniai, infekciniai veiksniai, taip pat blauzdikaulio ir šlaunikaulio morfologija. Lyčių polinkio sirgti PKRL nerasta. Didesnį polinkį sirgti PKRL, veislinių šunų tarpe, turi Labradorų retriveriai, Vokiečių aviganiai, Auksaspalviai retriveriai, Cane corso ir Vakarų azijos aviganių veislės šunys. Didžiausią riziką svorio atžvilgiu turi šios šunų svorio grupės: 1. šunys sveriantys iki 10kg; 2. sveriantys 30 – 40 kg; 3. šunys sveriantys daugiau nei 50 kg. Rizika susirgti PKRL didėja, didėjant šuns svoriui (p <0,001). PKRL gali sirgti bet kurio amžiaus šunys, tačiau dažniau 5 – 8 metų amžiaus šunys. Tirtoje populiacijoje, trauma buvo reta PKRL priežastis. Bilateralinės ligos atvejų, laiko trukmė iki antrosios kojos pažeidimo vidutiniškai yra 9,88 mėnesio. Šunų blauzdos kaulo morfologija yra skirtinga tarp individų.Tik 43,48% šunų sergančių PKRL turi padidėjusį blauzdikaulio artimojo sąnarinio paviršiaus kampą. 88,73% tirtų šunų turėjo siaurus blauzdikaulio gumburus. Siauresnį blauzdikaulio gumburą turintys šunys suserga PKRL anksčiau. 32,78% šunų sergančių PKRL turi proksimalinės blauzdikaulio dalies išlinkimą. 45% šunų turinčių didelius TPA kampus, turi proksimalinės blauzdikaulio dalies išlinkimą.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,006
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,121
Tête enseignante GPT0,354
Écart entre enseignants0,232 · 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
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLithuanian University of Health SciencesMême sujetVeterinary Orthopedics and NeurologyTravaux en français237 207