POISONING IN EQUIDAE, INVENTORY IN FRANCE AND QUEBEC
Bibliographic record
Abstract
L'objectif de ce travail est de faire le point sur la connaissance des principales intoxications rencontrées en France et au Québec dans l'espèce équine. Dans ce but, l'auteur, après avoir rappelé des informations générales (particularités anatomiques et physiologiques du Cheval, principales races équines nord-américaines et revue bibliographique des intoxications équines), dresse l'état des lieux des intoxications équines en France puis au Québec, au cours des 20 et 30 dernières années. Quatre des intoxications abordées dans les 2 et 3èmes parties, sont ensuite traitées en détail : l'intoxication à l'érable rouge (Acer rubrum), la toxicité de la phénylbutazone (relativement communes au Québec), la myoglobinurie atypique des équidés et la leucoencéphalomalacie (récemment décrites en France). Les intoxications sont des évènements rares chez les équidés, notamment au Québec en raison de la rigueur du climat et des particularités de logement qui en découlent. Il est difficile, pour cette province canadienne, d'établir une réelle hiérarchisation (en fréquence) des différents types d'intoxications. En France, les principales classes toxiques en cause sont essentiellement les pesticides et les plantes, bien que les médicaments et les polluants soient aussi impliqués mais dans une moindre mesure. Cette étude met également en évidence l'importance des centres anti-poisons animaliers dans l'évaluation de la prévalence des intoxications équines dans un pays ou une région.
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 | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| 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".