Arterial input function sampling without surgery in rats for positron emission tomography molecular imaging
Notice bibliographique
Résumé
AIM: The purpose of this study was to develop a minimally invasive procedure to derive an arterial input function (AIF) in rats through tail artery blood sampling for pharmacokinetic modeling in preclinical PET molecular imaging studies. The procedure involved a microvolumetric blood counter (μBC) and a correction to compensate for delay and dispersion of the automatic blood sampling. MATERIALS AND METHODS: AIFs were simultaneously obtained from femoral and tail arteries in rats, manually and using a μBC, after (18)F-FDG injection (n=6) in order to compare the shape of the AIFs and the kinetic analysis results at equilibrium and after implementation of a dispersion correction method. These AIFs were used to estimate the myocardial metabolic rate of glucose (MMRG). AIFs were also obtained from a single withdrawal site by three methods to confirm accurate MMRG values: manual tail artery (n=5), μBC tail artery (n=5), and μBC femoral artery (n=3). RESULTS: Simultaneous withdrawal at equilibrium results in similar AIF shapes and influx rate constants (Ki) from Patlak analysis (P>0.05). Manually withdrawn and dispersion-corrected μBC AIFs in the simultaneous experiment did not reveal statistically different shapes and constants (K(1), K(i)) from a three-compartment kinetic analysis, regardless of the withdrawal methods or sites (P>0.05). Kinetic analysis of the three single-site blood sampling methods yielded similar MMRG (one-way ANOVA; Patlak, P=0.52; three-compartment, P=0.10). CONCLUSION: Both minimally invasive manual withdrawal and dispersion-corrected μBC-based blood sampling in the tail artery are reliable methods for deriving AIFs for pharmacokinetic follow-up studies in the same animal.
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 | 0,001 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».