MétaCan
Menu
Back to cohort
Record W7025098507

Tjänstehundar inom Polismyndigheten

2022· other· sv· W7025098507 on OpenAlexaboutno aff

Bibliographic record

VenueEpsilon Archive for Student Projects (University of Southampton) · 2022
Typeother
Languagesv
FieldHealth Professions
TopicIndigenous Studies and Ecology
Canadian institutionsnot available
Fundersnot available
KeywordsManufacturingRoad traffic
DOInot available

Abstract

fetched live from OpenAlex

Det övergripande syftet med arbetet var att undersöka skadepanoramat hos polishundar samt \nintervjua hundförare om riskfaktorer för skada. Detta för att i framtiden kunna förbättra hälsan hos \nsvenska polishundar. Undersökningen utgjordes av en journalstudie, en enkätstudie och en \nlitteraturinsamling. I journalstudien granskades vilka skador som hundarna hade på rörelseapparaten \nvid besök på Universitetsdjursjukhuset i Uppsala (UDS). I enkätstudien granskades vilka \nriskfaktorer som hundförare i Sverige associerar till skador på sina hundar. Slutligen utfördes en \nlitteraturinsamling gällande skador hos tjänstehundarna samt riskfaktorer för dessa skador. \n Arbetet är av intresse då ökad kunskap om skadeprevention är en viktig del av arbetet för en \ndjursjukskötare, liksom för andra professioner inom djurhälsovården. \n Journalstudien utfördes genom att författarna fick tillgång till universitetsdjursjukhusets (UDS) \njournalsystem. Författarna gick igenom totalt 132 journaler som gällde Polismyndighetens djur \nvarav 39 journaler matchade valda inklusionskriterier. Dessa kriterier var att hundarna skulle ha \nhaft problem kopplat till rörelseapparaten och att vård skulle ha sökts på UDS mellan år 2000 och \n2022. Författarna hade fått godkänt av Polismyndigheten region mitt Uppsala att granska journaler \ngällande deras hundar. \n Förutom journalstudien utfördes en enkätstudie riktad till hundförare inom Polismyndigheten i \nSverige. Frågorna i enkäten gällde vilka skador som hundförare sett hos sina tjänstehundar samt \nhundförarnas uppfattning om riskmoment som kan leda till skador på rörelseapparaten, i samband \nmed tjänst och träning av hund. Parallellt med journalstudien och enkätstudien utfördes även en \nlitteraturinsamling där författarna studerade den vetenskapliga litteraturen på området. \nI journalstudien framgick det att de vanligast förekommande skadorna på rörelseapparaten var på \nleder och muskulatur. De raser som förekom i studien var i fallande ordning tysk schäferhund, \nbelgisk vallhund/malinois, labrador retriever, engelsk springerspaniel, blandras, australiensk \ncattledog och rottweiler. Hundförarna angav i enkätstudien att de sett skador på samtliga listade \nområden på rörelseapparaten: skelett, muskler, leder, ligament och senor. Hundförare uppfattade \nbland annat följande moment i träning eller tjänst som riskfyllda: skyddsarbete, räddningssök, \nexplosiv fysisk ansträngning när hunden är ouppvärmd, samt in och uthopp ur bil. Det behövs mer \nforskning för att kunna ge evidensbaserade råd gällande skadeprevention av polisens tjänstehundar. \nNyckelord: belgisk vallhund/malinois, hundförare, polis, polishundar, Polismyndigheten, \nriskmoment, rörelseapparaten, skadepanorama, tjänstehundar, tysk schäferhund.

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 imitation

Not 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.

metaresearch head score (Codex)0.003
metaresearch head score (Gemma)0.008
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: Not applicable
GenreCandidate signal: Other · Consensus signal: Other
Teacher disagreement score0.185
Threshold uncertainty score0.620

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0030.008
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0010.002
Science and technology studies0.0060.002
Scholarly communication0.0080.005
Open science0.0010.009
Research integrity0.0030.006
Insufficient payload (model declined to judge)0.1850.070

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.

Opus teacher head0.034
GPT teacher head0.316
Teacher spread0.282 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designNot applicable
Domainnot available
GenreOther

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".

Quick stats

Citations0
Published2022
Admission routes1
Has abstractyes

Explore more

Same venueEpsilon Archive for Student Projects (University of Southampton)Same topicIndigenous Studies and EcologyFrench-language works237,207