Health Monitoring of Laboratory Animals in Breeding and Experimental Units
Notice bibliographique
Résumé
The last decades the number of laboratory animals used in experiments was dramatically increased due to biomedical research development, while new needs were revealed. The animals used in experiments should be genetically defined and should have a certain health status. Only healthy animals should be used in experiments. The good health of the lab animals that are goingto be used in experiments and the maintenance of this good health during the whole period (before- during- in the end) of experimentation is of crucial importance. On the other hand, the good health of all animals (and of course lab animals) is always at a risk due to a variety of infections. These infections (clinical or subclinical) can influence the outcome of the experiment. Moreover, clinical disease may not be observed until the animal is stressed (e.g the experiment itself or other endogenous or exogenous factors). Depending upon the exogenous factor or the infectious agent a variety of biological parameters maybe influenced. Microbial infections may also lead to biological material contamination such as: tissue cultures, cell-lines, biological products(sera), while many of these infectious agents are zoonotic. In this case, the risk for the personnel (scientists, animal caretakers, technicians) is great. Not only in most European Countries, but also in the U.S.A., Canada and Japan, Health Monitoring Programs (HMPs) in lab animal facilities are performed. In 1994 and later in 2002 the Federation of European Laboratory Animal Science Associations (FELASA) published recommendations for the health monitoring of rodent and rabbit colonies in breeding and experimental units. In these recommendations a list of viruses, bacteria, mycoplasmas, fungi and parasites that lab animal facilities should be monitored for, is presented. Moreover, recommendations for the sampling frequency, the sample size and the diagnostic methodology are also given. By publishing these Recommendations FELASA aims to the harmonization of HMPs at least between the E.U. countries. Moreover, the need for accredited diagnostic laboratories involved in health monitoring is underlined.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».