Användandet av objektiv rörelseanalys för utvärdering av rörelsefunktion hos korsbandsskadade hundar
Bibliographic record
Abstract
Ruptur av främre korsbandet hos hund är en vanlig orsak till hälta. Ofta utvärderas hälta hos hundar subjektivt, men det har visats att det finns behov av objektiva mätmetoder som är känsligare.\n\nSyftet med studien var att utföra en pilotstudie över huruvida kinematik är en mätmetod som kan användas för att undersöka hur rörelsemönstret i skritt förändras hos hundar postoperativt efter en unilateral främre korsbandsskada. \n\nI studien ingick två friska hundar och två hundar, som hade opererats med TPLO på grund av unilateral korsbandsskada i sin vänstra knäled. Samtliga hundar var av rasen labrador retriever och matchades parvis med avseende på ålder, kön och vikt. Fördefinierade anatomiska hållpunkter på hundarna märktes upp med reflexmarkörer på hundarna. Hundarna filmades med sex höghastighetskameror (240 Hz) i snabb (0,94m/s) och långsam (0,78m/s) skritt på löpband. Ledvinklar med avseende på extension och flexion i armbågs-, karpal-, knä- och hasleder registrerades. Även längd av svävningsfas och understödsfas i stegcykeln studerades. Jämförelse mellan gruppen hundar med korsbandsskada och friska individer gjordes, liksom jämförelse mellan den korsbandsskadade hundens högra och vänstra bakben. \n\nStudiens resultat tyder på att rörelsemönstret påverkades postoperativt i samtliga leder och extremiteter. Resultaten är på grund av det begränsade antalet hundar att betraktas som en beskrivning av rörelsemönstret hos de i studien ingående individerna. Det kunde dock konkluderas att kinematik ser ut att vara en användbar metod för att mäta den aktuella typen av rörelsestörningar.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.041 | 0.009 |
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".