MétaCan
Menu
Retour à la cohorte
Enregistrement W2072101760 · doi:10.1371/journal.pone.0088030

Conditioned Place Avoidance of Zebrafish (Danio rerio) to Three Chemicals Used for Euthanasia and Anaesthesia

2014· article· en· W2072101760 sur OpenAlexafffund
Devina Wong, M.A.G. von Keyserlingk, Jeffrey G. Richards, Daniel M. Weary

Notice bibliographique

RevuePLoS ONE · 2014
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueZebrafish Biomedical Research Applications
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésZebrafishHydrochlorideDanioFish <Actinopterygii>ToxicologyPharmacologyBiologyChemistryAnesthesiaMedicineBiochemistryFishery

Résumé

récupéré en direct d'OpenAlex

Zebrafish are becoming one of the most used vertebrates in developmental and biomedical research. Fish are commonly killed at the end of an experiment with an overdose of tricaine methanesulfonate (TMS, also known as MS-222), but to date little research has assessed if exposure to this or other agents qualifies as euthanasia (i.e. a "good death"). Alternative agents include metomidate hydrochloride and clove oil. We use a conditioned place avoidance paradigm to compare aversion to TMS, clove oil, and metomidate hydrochloride. Zebrafish (n = 51) were exposed to the different anaesthetics in the initially preferred side of a light/dark box. After exposure to TMS zebrafish spent less time in their previously preferred side; aversion was less pronounced following exposure to metomidate hydrochloride and clove oil. Nine of 17 fish exposed to TMS chose not to re-enter the previously preferred side, versus 2 of 18 and 3 of 16 refusals for metomidate hydrochloride and clove oil, respectively. We conclude that metomidate hydrochloride and clove oil are less aversive than TMS and that these agents be used as humane alternatives to TMS for killing zebrafish.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,035
Tête enseignante GPT0,282
Écart entre enseignants0,247 · 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'étudeObservationnel
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

Citations100
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetZebrafish Biomedical Research ApplicationsTravaux en français237 207