Frecuencia y caracterización de las principales neoplasias presentes en el perro doméstico en Tamaulipas (México)
Bibliographic record
Abstract
En México, la investigación sobre oncología veterinaria es escasa. Este es el primer informe sobre las neoplasias más comunes en el perro doméstico en el noreste de México y establece las bases importantes para futuras investigaciones epidemiológicas. Se realizó un estudio retrospectivo de 2013 y prospectivo de enero a agosto de 2014, en el Departamento de Patología Animal de la Facultad de Medicina Veterinaria y Zootecnia de la Universidad Autónoma de Tamaulipas y en un laboratorio particular. Se analizaron un total de 250 muestras de citopatología e histopatología de tumores o lesiones sugestivas a neoplasias. De estas 213 se diagnosticaron como neoplasias y 37 como procesos no neoplásicos. Las neoplasias malignas fueron más frecuentes que las benignas. Se clasificaron en epiteliales o mesenquimales. Los perros mestizos fueron los más afectados, seguidos por la raza labrador. Las hembras presentaron mayor frecuencia en el desarrollo de tumores, con 145 registros. Para el análisis estadístico se utilizó la prueba exacta de Fisher, que determinó la existencia de una asociación estadística significativa (p < 0,05) entre la presencia de los cinco tipos de tumores más frecuentes y el sexo, la raza y la edad de los pacientes en el desarrollo de neoplasias. No se observaron diferencias significativas al evaluar el comportamiento del tumor neoplásico con raza y sexo, aunque sí hubo diferencia significativa (p < 0,05) con la edad de los pacientes.
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) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 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".