MétaCan
Menu
Retour à la cohorte
Enregistrement W2123534703 · doi:10.1177/0300985810379435

Flow Cytometry in Veterinary Oncology

2010· review· en· W2123534703 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueVeterinary Pathology · 2010
Typereview
Langueen
DomaineMedicine
ThématiqueVeterinary Oncology Research
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésFlow cytometryImmunophenotypingAntibodyMedicinePathologyOncologyInternal medicineImmunology

Résumé

récupéré en direct d'OpenAlex

Flow cytometry is a highly sensitive and specific method for simultaneous analysis of multiple parameters of individual cells in a suspension. It has a range of applications in veterinary medicine, and it is increasingly used in veterinary oncology as more species-specific antibodies are generated and cross-reactivity of antibodies is characterized. Two major applications in veterinary oncology are (1) immunophenotyping with a panel of fluorescently labeled antibodies to assess expression of cell markers and (2) determination of the DNA content of cells with fluorescent dyes that bind nucleic acids. The diagnostic and prognostic value of classifying round cell tumors of animals-especially, lymphocyte proliferations-remains to be fully determined, but studies to date have indicated benefit to patient management. Similarly, determining the proliferating fraction of tumors through DNA analysis remains to be standardized and validated in veterinary oncology but shows promise as an adjunct to morphologic tumor classification. This article reviews technical aspects of flow cytometry, availability of antibodies suitable for studies in domestic animals, and applications in veterinary oncology with emphasis on characterization of round cell tumors.

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.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesIntégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,782
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0060,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,002
Intégrité de la recherche0,0040,006
Charge utile insuffisante (le modèle a refusé de juger)0,0010,002

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 Opus0,202
Tête enseignante GPT0,488
Écart entre enseignants0,286 · 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