COMPARATIVA DE MÉTODOS GENÉTICOS DE CONTROL DE LA DISPLASIA DE CADERA HEREDITARIA CANINA
Bibliographic record
Abstract
La displasia de cadera canina es una enfermedad ósea, hereditaria y crónica que consiste en un desarrollo defectuoso de la articulación coxofemoral. Se empieza a desarrollar a los cuatro-cinco meses de edad, con una remodelación de las cabezas femorales y la cavidad acetabular que componen la articulación y producen una enfermedad degenerativa de la misma. En la aparición de la enfermedad influyen factores ambientales y genéticos, por lo que se define como una enfermedad multifactorial. Su prevalencia llega hasta el 70% en algunas razas. Una de las misiones de los veterinarios es evitar la transmisión de factores genéticos de riesgo a las nuevas generaciones. Con un diagnóstico precoz junto con un manejo óptimo, podemos conseguir controlar ambientalmente la enfermedad en el caso de perros afectados, así como su erradicación en las poblaciones, logrando la reducción de la frecuencia de las variantes genéticas involucradas (control genético). El objetivo de este Trabajo Fin de Grado es realizar una revisión bibliográfica sobre los métodos de control genético de la displasia de cadera canina, comenzando por los basados en métodos radiológicos clásicos desarrollados por ejemplo por la Orthopedic Foundation for Animals (OFA), la Federación CInológica Internacional (FCI), la British Veterinary Association (BVA), pasando a las nuevos enfoques como el sistema PennHip (método de exploración radiográfica multifacética para la evaluación de la cadera), hasta llegar a los análisis genómicos como el que se comercializa bajo el nombre de Dysgen en el caso del Labrador Retriever y que cuenta con un 95% de fiabilidad realizando un análisis de sangre a las pocas semanas de vida (o incluso en recién nacidos). El estudio comparativo de estos métodos puede ser útil para tomar las decisiones adecuadas en el control genético y ambiental de la displasia de cadera, además de facilitar el tratamiento temprano de los afectados.
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 | 0.003 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 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".