Évaluation de la valeur pronostique de la lactatémie et de la troponinémie lors de syndrome vache à terre
Bibliographic record
Abstract
Le syndrome vache à terre (SVT) est rencontré chez la vache laitière et est une condition d’urgence à évolution rapide où le pronostic est réservé à sombre. Les seuls tests complémentaires disponibles actuellement nécessitent l’utilisation des services d’un laboratoire commercial. La présence d’hypoperfusion locale et systémique ainsi que de lésions cardiaques à la nécropsie rend potentiellement intéressant le dosage de la lactatémie (LAC) et de la troponinémie (cTnI) sanguine. Ces deux biomarqueurs pouvant être analysés à l’aide d’appareils portatifs. L’objectif de la présente étude était d’évaluer la valeur pronostique de la LAC et de la cTnI dosées à la ferme, directement au chevet de la vache laitière atteinte de SVT. Le pourcentage d’issue négative (mort ou euthanasie) à sept jours suivant l’inclusion (d7) était de 63.1 %. La lactatémie n’était pas associée au pronostic vital de l’animal lors de SVT. Par contre, une valeur sanguine de cTnI >0.7 ng/mL était associée à une issue négative à d7 (sensibilité, spécificité, valeurs prédictives positive et négative respectivement de 54.1 %, 78.4 %, 82.0 % et 48.3 %). L’utilisation d’un modèle de régression logistique multivariable a montré que cette hypertroponinémie était associée à un risque d’issue négative à d7 5.5 fois (IC95%: 2.1-14.6) plus grand que le groupe présentant une cTnI ≤ 0.07 ng/mL. De plus, les animaux ayant une FC >100 BPM étaient 3.7 fois plus à risque (IC95%: 1.5-10.2) de subir une issue négative à d7 que ceux présentant une FC≤100 BPM.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
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".