MétaCan
Menu
Retour à la cohorte
Enregistrement W2327695598 · doi:10.1016/j.vascn.2016.03.005

Rat cardiovascular telemetry: Marginal distribution applied to positive control drugs

2016· article· en· W2327695598 sur OpenAlexaff
Michael V. Accardi, Éric Troncy, Samir Abtout, Alexis Ascah, Said Maghezzi, Simon Authier

Notice bibliographique

RevueJournal of Pharmacological and Toxicological Methods · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiac electrophysiology and arrhythmias
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésSafety pharmacologyHeart rateContractilityMarginal distributionTelemetryDistribution (mathematics)Blood pressureCardiologyMedicineInternal medicineDrugPharmacologyMathematicsStatisticsComputer science

Résumé

récupéré en direct d'OpenAlex

Cardiovascular effects are considered frequent during drug safety testing. This investigation aimed to characterize the pharmacological response of the conscious telemetered rat in vivo model to known cardiovascular active agents. These effects were analyzed using statistical analysis and cloud representation with marginal distribution curves for the contractility index and heart rate as to assess the effect relationship between cardiac variables. Arterial blood pressure, left ventricular pressure, electrocardiogram and body temperature were monitored. The application of data cloud with marginal distribution curves to heart rate and contractility index provided an interesting tactic during the interpretation of drug-induced changes particularly during selective time resolution (i.e. marginal distribution curves restricted to Tmax). Taken together, the present data suggests that marginal distribution curves can be a valuable interpretation strategy when using the rat cardiovascular telemetry model to detect drug-induced cardiovascular effects. Marginal distribution curves could also be considered during the interpretation of other inter-dependent parameters in safety pharmacology studies.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,259
Score d'incertitude au seuil0,452

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
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)0,0000,000

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 Opus0,017
Tête enseignante GPT0,347
Écart entre enseignants0,330 · 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'étudeExpérimental (laboratoire)
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

Citations13
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Pharmacological and Toxicological MethodsMême sujetCardiac electrophysiology and arrhythmiasTravaux en français237 207