MétaCan
Menu
Retour à la cohorte
Enregistrement W2137316134 · doi:10.1007/s00216-008-1873-7

Neutron activation analysis and X-ray Rayleigh and Raman scattering of hair and nail clippings as noninvasive bioindicators for Cu liver status in Labrador Retrievers

2008· article· en· W2137316134 sur OpenAlexaboutno aff
P. Bode, Maria Izabel M. S. Bueno, Gisele Gonçalves Bortoleto, Gaby Hoffmann, T.S.G.A.M. van den Ingh, Jan Rothuizen

Notice bibliographique

RevueAnalytical and Bioanalytical Chemistry · 2008
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueX-ray Spectroscopy and Fluorescence Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNeutron activation analysisNail (fastener)ChemistryHair analysisPathologyRadiochemistryMaterials scienceMedicineMetallurgy

Résumé

récupéré en direct d'OpenAlex

The heritability of chronic hepatitis in the Labrador Retriever is studied with the aim of identifying the related gene mutation. Identification of cases and controls is largely based on instrumental neutron activation analysis (INAA) Cu determination in liver biopsies. The burden for these companion animals may be reduced if nail clippings and hair (fur) could serve as a noninvasive indicator for the hepatic Cu concentrations. No correlation was found between hepatic Cu concentrations and Cu concentrations in hair and nail samples. However, hair and nail samples were also analyzed by X-ray tube excitation, taking advantage of the X-ray Compton, Rayleigh, and Raman scattering which reflects the organic components such as the type of melanin. Principal component analysis provided first indications that some differentiation between healthy and sick dogs could indeed be obtained from hair and nail analysis. Principal component analysis of scattered region of x-ray fluorescence spectra of Labrador dog nails, demonstrating the differentiation towards dogs with high and low Cu liver levels (respectively positive and negative PC2 values) reflecting hepatitis, as well as gender (PC1: negative values for female and positive values for males)

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,089
Score d'incertitude au seuil0,953

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,008
Tête enseignante GPT0,236
Écart entre enseignants0,228 · 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'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

Citations16
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnalytical and Bioanalytical ChemistryMême sujetX-ray Spectroscopy and Fluorescence AnalysisTravaux en français237 207