MétaCan
Menu
Retour à la cohorte
Enregistrement W2408023062 · doi:10.4103/2045-9912.179342

Gas transport during in vitro and in vivo preclinical testing of inert gas therapies

2016· article· en· W2408023062 sur OpenAlexaff
Ira Katz, Marc Palgen, Jacqueline Murdock, AndrewR Martin, Géraldine Farjot, Georges Caillibotte

Notice bibliographique

RevueMedical Gas Research · 2016
Typearticle
Langueen
DomaineNeuroscience
ThématiqueAnesthesia and Neurotoxicity Research
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésIn vivoInert gasDiffusionGaseous diffusionFick's laws of diffusionChemistryVolume (thermodynamics)Biomedical engineeringBiophysicsMaterials scienceThermodynamicsPhysicsMedicineBiology

Résumé

récupéré en direct d'OpenAlex

New gas therapies using inert gases such as xenon and argon are being studied, which require in vitro and in vivo preclinical experiments. Examples of the kinetics of gas transport during such experiments are analyzed in this paper. Using analytical and numerical models, we analyze an in vitro experiment for gas transport to a 96 cell well plate and an in vivo delivery to a small animal chamber, where the key processes considered are the wash-in of test gas into an apparatus dead volume, the diffusion of test gas through the liquid media in a well of a cell test plate, and the pharmacokinetics in a rat. In the case of small animals in a chamber, the key variable controlling the kinetics is the chamber wash-in time constant that is a function of the chamber volume and the gas flow rate. For cells covered by a liquid media the diffusion of gas through the liquid media is the dominant mechanism, such that liquid depth and the gas diffusion constant are the key parameters. The key message from these analyses is that the transport of gas during preclinical experiments can be important in determining the true dose as experienced at the site of action in an animal or to a cell.

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)0,004
score de la tête « metaresearch » (Gemma)0,022
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
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 enseignants0,086
Score d'incertitude au seuil0,986

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,022
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,162
Tête enseignante GPT0,408
Écart entre enseignants0,246 · 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.

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

Citations6
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedical Gas ResearchMême sujetAnesthesia and Neurotoxicity ResearchTravaux en français237 207