INSUFICIÊNCIA RENAL CRÔNICA EM LABRADOR ASSOCIADA AO USO DE ANTI-INFLAMATÓRIOS – RELATO DE CASO
Bibliographic record
Abstract
O diagnóstico da Insuficiência Renal Crônica (IRC) inclui a identificação de importantes quadros como azotemia, ou outras alterações que afetem o funcionamento da filtração renal, alterando, assim, a homeostase. Um cão Labrador, macho, 13 anos, 28 kg foi atendido em uma Clínica Veterinária de Natal, Rio Grande do Norte. Na anamnese foi relatado que o animal tinha dores articulares crônicas, atrofia dos membros torácicos e histórico de descompressão de vértebras lombares e artrodese do joelho direito, além de fazer uso recorrente de anti-inflamatórios (meloxicam) por parte dos tutores. Foram solicitados hemograma, bioquímicos séricos e ultrassonografia de abdômen e estes indicaram quadro grave de azotemia (Ureia: 293, 85 mg/dL e Creatinina: 5,78 mg/dL) e imagem compatível com bexiga neurogênica. Administrou-se fluido Ringer com Lactato, Tramadol, Dipirona, Hidróxido de Alumínio e Ranitidina. Após 7 dias de internação, o animal apresentava dor ao andar e urinar, dificuldade no esvaziamento da bexiga, não se alimentava nem bebia água. Devido à persistência da azotemia (Ureia: 148,39 mg/dL e Creatinina: 5,03 mg/dL) o animal foi eutanasiado. O uso de anti-inflamatórios ao longo dos anos levou à insuficiência renal crônica.
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 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.003 | 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".