MétaCan
Menu
Retour à la cohorte
Enregistrement W1978088510 · doi:10.1097/shk.0b013e318193cc2b

MATHEMATICAL MODELING OF POSTHEMORRHAGE INFLAMMATION IN MICE

2009· article· en· W1978088510 sur OpenAlexaff
Andrés Torres, Timothy Bentley, John Bartels, Joydeep Sarkar, Derek Barclay, Rajaie Namas, Gregory Constantine, Rubén Zamora, Juan Carlos Puyana, Yoram Vodovotz

Notice bibliographique

RevueShock · 2009
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueEicosanoids and Hypertension Pharmacology
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesNational Institute of General Medical SciencesNational Heart, Lung, and Blood Institute
Mots-clésInflammationMedicineImmunology

Résumé

récupéré en direct d'OpenAlex

Hemorrhagic shock (HS) elicits a global acute inflammatory response, organ dysfunction, and death. We have used mathematical modeling of inflammation and tissue damage/dysfunction to gain insight into this complex response in mice. We sought to increase the fidelity of our mathematical model and to establish a platform for testing predictions of this model. Accordingly, we constructed a computerized, closed-loop system for mouse HS. The intensity, duration, and time to achieve target MAP could all be controlled using a software. Fifty-four male C57/black mice either were untreated or underwent surgical cannulation. The cannulated mice were divided into 8 groups: (a) 1, 2, 3, or 4 h of surgical cannulation alone and b) 1, 2, 3, or 4 h of cannulation + HS (25 mmHg). MAP was sustained by the computer-controlled reinfusion and withdrawal of shed blood within +/-2 mmHg. Plasma was assayed for the cytokines TNF, IL-6, and IL-10 as well as the NO reaction products NO2-/NO3-. The cytokine and NO2-/NO3- data were compared with predictions from a mathematical model of post-hemorrhage inflammation, which was calibrated on different data. To varying degrees, the levels of TNF, IL-6, IL-10, and NO2/NO3 predicted by the mathematical model matched these data closely. In conclusion, we have established a hardware/software platform that allows for highly accurate, reproducible, and mathematically predictable HS in mice.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,012
Tête enseignante GPT0,267
Écart entre enseignants0,255 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations49
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueShockMême sujetEicosanoids and Hypertension PharmacologyTravaux en français237 207