MétaCan
Menu
← Retour à la cohorte
Enregistrement W2405105657 · doi:10.1007/978-1-62703-308-4_18

Using Plethysmography to Determine Erythropoietin’s Impact on Neural Control of Ventilation

2013· article· en· W2405105657 sur OpenAlexaff
Tommy Seaborn, Max Gassmann, Jorge Soliz

Notice bibliographique

RevueMethods in molecular biology · 2013
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroscience of respiration and sleep
Établissements canadiensUniversité LavalHôpital Saint-François d'AssiseCentre hospitalier universitaire de Québec
Organismes subventionnairesnon disponible
Mots-clésPlethysmographVentilation (architecture)Tidal volumeRespirationControl of respirationRespiratory systemErythropoietinRespiratory minute volumeRespiratory rateMedicineAnesthesiaInternal medicineBlood pressureEngineeringAnatomyHeart rate

Résumé

récupéré en direct d'OpenAlex

The evaluation of respiratory parameters often requires the use of anesthetics (that depress the neural -network controlling respiration), and/or ways to restrain the animal's mobility (that produces a stress-dependent increase of respiration). Consequently, the establishment of plethysmography represented an invaluable technique in respiratory physiology. Plethysmography, indeed, allows the assessment of ventilatory parameters on living, unanesthetized, and unrestrained animals. The conception of the barometric plethysmography relies on the fact that an animal placed inside a hermetically closed chamber generates through its breathing a fluctuation of pressure in the chamber than can be recorded. Thus, the respiratory frequency and the tidal volume can be directly measured, while the animal's ventilation is calculated indirectly by the multiplication of these two parameters. In our hands, plethysmography was a key tool to investigate the impact of erythropoietin (Epo) on the neural control of hypoxic ventilation in mice.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,067
Tête enseignante GPT0,435
Écart entre enseignants0,367 · 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 source (Gemma direct ou Codex distillé), 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMethods in molecular biology→Même sujetNeuroscience of respiration and sleep→Travaux en français237 207→