Le poids de naissance comme paramètre de prédiction de la santé à court et long terme dans l'espèce canine
Bibliographic record
Abstract
Le poids de naissance est identifié dans de nombreuses espèces, comme un facteur conditionnant la survie des nouveau-nés ainsi que la santé à l’âge adulte. Ce travail avait pour objectif d’explorer la notion de petit poids de naissance (PPN) dans l’espèce canine : sa définition, son impact à court terme (mortalité néonatale) et à long terme (surpoids à l’âge adulte). Une revue de littérature, proposée en introduction, a permis de mettre en évidence l’absence de consensus quant à la méthode utilisée pour définir un PPN chez les mammifères. Elle a également confirmé que les seuils critiques de poids de naissance n’étaient pas disponibles dans l’espèce canine, dont la variabilité staturale impose de les déterminer par race. Cette notion de PPN est peu prise en compte par les éleveurs de chiens : une enquête en ligne (649 répondants) a montré que si la pesée est couramment mise en oeuvre (par 90% des éleveurs), seul un quart d’entre eux semblent considérer le PPN comme un problème. Ce résultat souligne la nécessité de réfléchir à un transfert efficace des connaissances scientifiques vers les acteurs de terrain. A l’issue d’un important travail de collecte de données auprès des éleveurs français, des seuils de poids de naissance ont été définis sur une population de 6 694 chiots issus de 27 races. La connaissance de ces valeurs critiques permet une identification dès la naissance des animaux dont le risque de mortalité néonatale est augmenté afin de leur prodiguer une prise en charge adaptée. L’âge de la femelle, la taille de la portée ou encore la race sont susceptibles de faire varier la probabilité de naissance de chiots de PPN et de moduler leur survie. Outre l’impact majeur du PPN sur la mortalité néonatale, une étude pilote réalisée sur 93 chiens de race Labrador suggère qu’il a également une influence sur la santé à plus long terme, en étant associé à une augmentation du risque de surpoids. Ces travaux dans l’espèce canine ont mis en évidence l’intérêt de collecter de grandes bases de données et d’envisager le suivi longitudinal d’une cohorte de chiots jusqu’à l’âge adulte afin d’approfondir nos connaissances sur le poids de naissance, ses déterminants et ses conséquences à court et long terme. Des outils permettant la mise en place d’un suivi personnalisé des chiots, adapté en fonction de leur risque spécifique (de mortalité ou de surpoids par exemple), pourront être ainsi développés avec comme objectif l’amélioration de santé des chiens et de leur filière.
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 | 0.004 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
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".