Genetic determination of pyometra : literature review and establishment of a multi-breed cohort
Bibliographic record
Abstract
Le pyomètre est une maladie comportant de nombreux facteurs de risque qu'ils soient anatomiques, épidémiologiques, liés à un traitement hormonal ou à une prédisposition raciale. Une étude en 2021 publiée par Arendt et al. a permis de mettre en évidence une possible prédisposition génétique chez le Golden retriever. Le pyomètre est vraisemblablement une maladie à caractère polygénique. Selon Arendt et al. il existe une association statistique entre le pyomètre et le gène ABCC4, mais d'autres facteurs génétiques rentrent probablement également en jeu. Le gène ABCC4 code pour une protéine dénommée MRP4 dont le rôle établi est celui d'un multitransporteur de molécules et notamment des molécules de l'inflammation ainsi que des prostaglandines. Notre objectif était d'étudier l'existence d'une prédisposition raciale au sein du pyomètre parmi une population de chiennes vues au CHUV-AC de l'EnvA. Pour cela, une étude rétrospective sur l'ensemble des cas de pyomètres présentés au CHUV-AC de l'ENVA entre 2002 et 2022 a été réalisée. L'étude rétrospective a permis de montrer que certaines races étaient surreprésentées parmi les chiennes présentées aux CHUV-AC de l'ENVA pour un pyomètre. Parmi celles-ci, on compte le Rottweiler, le Yorkshire terrier, le Labrador, le Caniche, le Golden retriever, le Berger allemand, l'American Staffordshire terrier, le Westie, le Cavalier King Charles ainsi que le Bichon, le Bull Terrier et le Bouledogue anglais. Toutefois, ces résultats peuvent être biaisés par une surreprésentation de certaines races en Île-de-France. L'un des objectifs de cette thèse était d'établir une cohorte multi-races de chiennes atteintes de pyomètre afin de créer une banque d'ADN et ainsi de réaliser des études génétiques comparatives futures. Une cohorte multi-races de 19 chiennes atteintes de pyomètre a été constituée et l'ADN de ces chiennes a été extrait et est conservé au sein de la biobanque nationale cani-DNA
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.005 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 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 teacher head, 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".