Inquérito europeu sobre a reacção alimentar adversa no cão : a perspectiva do dermatologista
Bibliographic record
Abstract
Reacções Alimentares Adversas (RAA) são definidas como reacções associadas à ingestão de um alimento ou aditivo alimentar. As RAA podem ter uma base imunológica ou não imunológicas e têm carácter não sazonal. O objectivo deste estudo consistiu em caracterizar a abordagem europeia dos especialistas em dermatologia, no que respeita a RAA no cão. Neste sentido recorreu-se ao método de diagnóstico mais utilizado e a sua duração, à percentagem de pacientes que responde à dieta de eliminação, à percentagem de casos em que se chega a um diagnóstico definitivo e as suas principais falhas, e qual o maneio a longo prazo mais utilizado. Este estudo teve ainda como objectivo caracterizar os pacientes de acordo com as suas características individuais, tais como sexo, raça, idade e sinais clínicos. O presente trabalho baseou-se na elaboração de um inquérito sobre “Reacções Alimentares Adversas em cães”, de forma a analisar as respostas dos Médicos Veterinários europeus, dos quais se obteve 65 respostas. As principais raças afectadas são o Labrador Retriever, o West Highland White Terrier e o Pastor Alemão, não existindo predisposição sexual. Ao contrário do esperado, os primeiros sinais clínicos aparecem entre o primeiro e o terceiro ano de idade, sendo eles a piodermatite superficial, a sintomatologia gastrointestinal e a dermatite por Malassezia. Para diagnosticar a RAA, deverá ser feita uma dieta de eliminação durante 8 semanas, à base de proteínas hidrolisadas, embora estudos defendam a utilização de uma dieta caseira. Posteriormente deverá ser realizada a dieta de provocação, sendo a dieta original a escolha mais adequada. No entanto, apenas uma baixa percentagem chega ao diagnóstico definitivo, sendo esta explicada pelo incumprimento das dietas, por parte dos proprietários. Uma vez confirmado o diagnóstico, cinquenta por cento dos médicos veterinários inquiridos recomenda fazer a dieta de eliminação como dieta de manutenção a longo prazo, sendo que os restantes clínicos referem que a escolha irá depender do paciente e do proprietário. Este estudo mostrou-se inovador e proveitoso, uma vez que estudos semelhantes são ainda inexistentes na literatura veterinária.
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 | 0.006 | 0.010 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.004 | 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".