Suomalaisten koirarotujen perinnölliset silmäsairaudet
Bibliographic record
Abstract
Silmäsairaudet voivat aiheuttaa tarpeetonta kärsimystä, kipua, jopa sokeutumisen. Tällaisten hyvinvointia merkittävästi huonontavien perinnöllisten sairauksien esiintyminen jalostukseen käytettävillä eläimillä tulee olla kielletty. Silmäsairauksista osan oletetaan tai on osoitettu olevan perinnöllisiä, minkä takia niiden vastustaminen on ensisijaisen tärkeää koiranjalostuksessa. Tutkielma koostuu kahdesta osasta. Kirjallisuuskatsauksessa keskitytään silmän rakenteeseen, sikiöaikaisiin kehitysvaiheisiin, silmän tutkimiseen sekä perinnöllisyyden perusteisiin. Lisäksi esitellään tavallisimpia perinnölliseksi todettuja tai oletettuja silmäsairauksia. Tutkimusosiossa käydään läpi suomalaisten koirarotujen Suomen Kennelliiton viralliset silmätutkimustulokset vuosilta 2004 – 2008 sekä rotukohtaiset jalostussuositukset. Silmien perusteellinen tutkiminen vaatii ammattitaitoa ja perehtyneisyyttä silmäsairauksiin. Virallisen silmätutkimuksen saa suorittaa vain erikoiskoulutuksen saanut silmätarkastuseläinlääkäri. Virallisen silmätutkimuksen rinnalle nousseet yhä yleistyvät geenitutkimukset tuovat helpotusta tautien varhaiseen tunnistamiseen ja kliinisesti terveiden kantajien löytämiseen. Kaikkiin silmäsairauksiin geenitestiä ei kuitenkaan ole vielä pystytty kehittämään ja testit eivät myöskään ole täysin varmoja eivätkä kata kaikkia sairauksien eri perinnöllisiä muotoja, joten virallinen silmätutkimus säilyttää tärkeän roolinsa silmäsairauksiendiagnostiikassa. Tutkittuna ajanjaksona rekisteröidyistä koirista tutkittiin rotukohtaisesti parhaimmillaan 73 %:sta vaivaiseen 0,08 %:in. Yleisin tutkimuksessa esiintynyt silmäsairaus kaikilla muilla paitsi yhdellä rodulla oli perinnöllinen harmaakaihi ja suurimmalla osalla esiintyneistä sairauksista esiintyvyys roduissa oli merkittävää (> 1 %). Tutkimus osoitti, että vähäisestä tutkimusmateriaalista huolimatta voidaan suomalaisilla koiraroduillamme todeta ilmenevän runsaasti merkittäviä silmäsairauksia ja tilanteen tarkempi selvittäminen vaatii kaikkien rotujen kohdalla järjestelmällisempää terveydentilan seurantaa.
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 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.049 | 0.013 |
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".