Frecuencia y clasificación de neoplasias orales en pacientes caninos de la Clínica de Animales Menores de la Universidad Nacional Mayor de San Marcos en el periodo 2009-2013
Bibliographic record
Abstract
Determina la frecuencia de neoplasias orales diagnosticadas histopatológicamente en caninos pacientes de la Clínica de Animales Menores de la Facultad de Medicina Veterinaria de la Universidad Mayor de San Marcos en el periodo enero 2009 a diciembre 2013. Se evaluaron variables como edad, sexo, peso, raza, localización anatómica y clasificación histológica. Se encontró una frecuencia de neoplasias orales en caninos de 11.98% (23/192) donde las edades de mayor presentación son de 6 a 10 años con un 52.17% (12/23) y los pesos de mayor presentación son de 25 a 44 kg con un 47.83% (11/23). Los caninos machos tuvieron una mayor presentación con un 65.22% (15/23). Los caninos de raza pura fueron los más afectados con un 69.57% (16/23) donde las más afectas fueron Rottweiler y Labrador Retriever con un 13.04% (3/23) cada una, y la localización anatómica más común fue en la gingiva fue 69.57% (16/23). Las neoplasias malignas fueron de mayor presentación con un 73.91% (17/23) de las cuales la de mayor frecuencia fue el melanoma oral con un 21.74 % (5/23) y la neoplasia benigna más común fue el épuli con un 17.39 % (4/23). Siendo las neoplasias no odontogénicas las de mayor frecuencia con un 82.61% (19/23).
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) | 0.000 | 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 | 0.001 |
| 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".