Noninvasive measurements of body composition and body water via quantitative magnetic resonance, deuterium water, and dual-energy x-ray absorptiometry in awake and sedated dogs
Notice bibliographique
Résumé
OBJECTIVE: To compare quantitative magnetic resonance (QMR), dual-energy x-ray absorptiometry (DXA), and deuterium oxide (D2O) methods for measurement of total body water (TBW), lean body mass (LBM), and fat mass (FM) in healthy dogs and to assess QMR accuracy. ANIMALS: 58 Beagles (9 months to 11.5 years old). PROCEDURES: QMR scans were performed on awake dogs. A D2O tracer was administered (100 mg/kg, PO) immediately before dogs were sedated, which was followed by a second QMR or DXA scan. Jugular blood samples were collected before and 120 minutes after D2O administration. RESULTS: TBW, LBM, and FM determined via QMR were not significantly different between awake or sedated dogs, and means differed by only 2.0%, 2.2%, and 4.3%, respectively. Compared with results for D2O dilution, QMR significantly underestimated TBW (10.2%), LBM (13.4%), and FM (15.4%). Similarly, DXA underestimated LBM (7.3%) and FM (8.4%). A significant relationship was detected between FM measured via D2O dilution and QMR (r(2) > 0.89) or DXA (r(2) > 0.88). Even though means of TBW and LBM differed significantly between D2O dilution and QMR or DXA, values were highly related (r(2) > 0.92). CONCLUSIONS AND CLINICAL RELEVANCE: QMR was useful for determining body composition in dogs and can be used to safely and rapidly acquire accurate data without the need for sedation or anesthesia. These benefits can facilitate frequent scans, particularly in geriatric, extremely young, or ill pets. Compared with the D2O dilution method, QMR correction equations provided accurate assessment over a range of body compositions.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».