MétaCan
Menu
Retour à la cohorte
Enregistrement W1599320441 · doi:10.4236/ojvm.2015.57022

Humane Non-Human Primate Model of Traumatic Spinal Cord Injury: Quantitative Analysis of Electromyographic Data

2015· article· en· W1599320441 sur OpenAlexaff
Nitin Seth, Farah Masood, John B. Sledge, William A. Graham, Douglas L. Rosene, Susan V. Westmoreland, Shiela Macri, Ervin Sejdić, Amber Hoggatt, Heather A. Simmons, Hussein A. Abdullah, Shanker Nesathurai

Notice bibliographique

RevueOpen Journal of Veterinary Medicine · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueSpinal Cord Injury Research
Établissements canadiensMcMaster UniversityHamilton Health SciencesUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésNon human primateMacaqueSpinal cord injurySpinal cordMetric (unit)PrimatePhysical medicine and rehabilitationRhesus macaqueMedicineAnimal modelWeaknessHindlimbAnatomyNeurosciencePsychologyBiologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

A valid non human primate model of traumatic spinal cord injury (TSCI) is essential to evaluate and develop new treatments. In previous experiments, it has been demonstrated that a transmitter can be implanted in the macaque fasicularis monkey that measures electromyographic data from the musculature of the tail. As well, previous experiments have demonstrated that selective lesions can be created in the lower thoracic spinal cord that does not cause limb weakness and/or bowel dysfunction. The histopathological features of these lesions appear similar to human TSCI. This paper describes a method by which the EMG data can be transformed into a quantitative metric of volitional limb movement (“Q”). This metric permits an objective assessment of injury, natural recovery as well as potential efficacy of candidate treatments.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,834
Score d'incertitude au seuil0,819

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0020,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,462
Tête enseignante GPT0,572
Écart entre enseignants0,110 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai non randomisé
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen Journal of Veterinary MedicineMême sujetSpinal Cord Injury ResearchTravaux en français237 207