Mastocitoma canino : três casos clínicos
Bibliographic record
Abstract
Esta dissertação foi realizada no âmbito da conclusão do Mestrado Integrado em Medicina Veterinária da Universidade Lusófona e tem como objetivo fazer uma revisão da literatura atual, apresentação e discussão de três casos clínicos acompanhados durante o estágio curricular realizado no OneVet Hospital Veterinário de Berna, Lisboa, Portugal. Os mastocitomas são as neoplasias cutâneas mais comum em cães. A citologia e a histopatologia são as técnicas de diagnóstico de maior importância, sendo que a citologia permite um diagnóstico inicial e a análise histopatológica permite obter um diagnóstico final, bem como um prognóstico mais preciso. É essencial realizar análises sanguíneas, como hemograma e perfil bioquímico renal e hepático, citologias dos linfonodos regionais e ecografia abdominal para ser possível realizar um estadiamento. O prognóstico e a abordagem terapêutica dependem da classificação histológica, metastização e marcadores de proliferação celular. A cirurgia é o tratamento de primeira escolha, mas por nem sempre ser possível, existem outros tratamentos que podem ser utilizados, como a quimioterapia, a radioterapia, os inibidores de tirosina quinase, a eletroquimioterapia e mais recentemente, o stelfonta. As doenças oncológicas corresponderam a 26% das consultas acompanhadas pela autora, sendo os mastocitomas das neoplasias mais observadas. Em dois dos três casos descritos pela autora, estavam presentes duasraças das descritas na literatura como predispostas, Boxer e Labrador Retriever. Nos três casos o diagnóstico inicial foi feito por citologia através de punção aspirativa por agulha fina e foi realizado um estadiamento adequado. A cirurgia foi o tratamento de primeira escolha para todos os animais e dois iniciaram tratamento adjuvante, com protocolo de vimblastina e prednisolona. Um dos animais foi eutanasiado devido à progressão da doença. Palavras-chave: cirurgia, cão, oncologia, neoplasias cutâneas, quimioterapia
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 | 0.002 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.005 | 0.006 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.003 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 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".