Ãvaluation du lactate sanguin chez les chiens atteints de cancer
Bibliographic record
Abstract
Malgré le manque d’études sur ce sujet, le cancer est considéré comme une des principales causes d’hyperlactatémie de type B chez le chien. Les cellules malignes ont une production accrue de lactates secondaire à une glycolyse aérobie accrue, via l’effet Warburg. Les mécanismes ne sont pas encore clairement établis mais certains auteurs suggèrent que le cancer pourrait causer une hyperlactatémie via l’effet Warburg. Cette étude a pour objectif de déterminer si les tumeurs malignes peuvent être associées à une hyperlactatémie cliniquement significative (≥2,5 mmol/L) chez le chien. \nTrente-sept chiens atteints de tumeurs malignes ont été recrutés (22 atteints de tumeurs hématopoïétiques et 15 de tumeurs non hématopoïétiques). Le diagnostic était confirmé par analyse histologique, ou cytologique en cas de lymphome. Les autres causes possibles d’hyperlactatémie étaient écartées puis la mesure des lactates sanguins était réalisée sur sang veineux jugulaire immédiatement analysé avec le LactatePro®.\nAucun chien n’était hyperlactatémique. La concentration moyenne en lactates sanguins était de 1,09 mmol/L. La concentration moyenne en lactates sanguins pour les chiens atteints de tumeurs non hématopoïétiques et hématopoïétiques était respectivement de 0,95 mmol/L et de 1,19 mmol/L. Les chiens atteints de lymphome (n=18) avaient une concentration moyenne en lactates sanguins de 1,15 mmol/L. \nLes tumeurs malignes ne sont pas associées à une hyperlactatémie de type B cliniquement significative chez le chien. L’hyperlactatémie tumorale est donc une complication rare chez le chien. Son diagnostic devrait conduire à une investigation minutieuse des autres causes d’hyperlactatémie.
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 | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 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) | 0.002 | 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".