Bibliographic record
Abstract
La dermatite atopique canine est une dermatite prurigineuse liée à une prédisposition génétique à développer des réactions d’allergie vis-à-vis d’antigènes environnementaux. Il existe une très forte prédisposition raciale, ainsi que des variations phénotypiques de l’expression de la maladie selon les races de chien. À l’heure actuelle, le déterminisme génétique de l’expression clinique de la dermatite atopique canine est peu exploré. L’utilisation de critères diagnostiques consensuels va permettre de développer des recherches. Celles-ci sont d’autant plus intéressantes dans cette espèce que contrairement à l’homme, le chien ne présente pas d’autres maladies allergiques chroniques ni de psoriasis. C’est donc un modèle animal intéressant pour étudier les gènes impliqués dans la genèse de la dermatite atopique en elle-même. Le travail de criblage génomique est facilité par la grande homogénéité génétique des races de chiens et la fréquence de la maladie dans certaines races (bouledogue français, West Highland White Terrier, Labrador Retriever…). D’autre part, il est désormais possible d’étudier le polymorphisme de certains gènes chez le chien codant des molécules impliquées dans les mécanismes de défense cutanée non spécifiques (toll-like receptors, protéines de différenciation des cornéocytes…).
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".