Evaluation of glomerular filtration rate in healthy and adult Labrador Retriever dogs
Bibliographic record
Abstract
Le débit de filtration glomérulaire (DFG) constitue le meilleur marqueur de la fonction rénale. L'objectif de ce travail a été d'évaluer la fonction rénale chez le chien sain adulte de race Labrador Retriever. Trente et un Labradors Retriever adultes, cliniquement sains, issus de 3 élevages, ont été testés selon un protocole standardisé. Le DFG a été estimé par le test de la clairance plasmatique de la créatinine exogène. Ce test a consisté en une administration intraveineuse à t0 de créatine exogène (40 mg/kg). Des prélèvements sanguins ont été réalisés 5, 10, 60, 120, 240, 360 et 480 minutes après l'administration. La clairance plasmatique a été calculée par une approche non compartimentale. Les chiens testés étaient âgés de 1,8 à 11,1 ans (4,8 + ou 2,6 ans) et pesaient de 23,6 à 40,6 kg (29,5 + ou 4,8 kg). La valeur de DFG observée était de 2,1 + ou 0,4 ml/min/kg. Aucun effet du poids ni de l'âge sur le DFG n'a été observé. Seules les concentrations plasmatiques de créatine et d'urée ont montré un effet statistiquement significatif (p<0,05) sur le DFG du Labrador Retriever. Un plan de stratégies limitées de prélèvements a été proposé pour optimiser le calcul du DFG en minimisant le nombre de prélèvements. Une stratégie à 4 prélèvements (10, 60, 240, 480 minutes après t0), avec seulement 4,6% d'erreur sur l'estimation du DFG, a été retenue. En conclusion, cette étude est la première à documenter la fonction rénale du Labrador Retriever sain. Un plus grand nombre de chiens permettraient de déterminer un intervalle de référence du DFG et de la créatinine plasmatique au sein de cette race.
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 | 0.001 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| 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".