MétaCan
Menu
Retour à la cohorte
Enregistrement W2761767910 · doi:10.1111/odi.12790

Muscle fiber diameter assessment in cleft lip using image processing

2017· article· en· W2761767910 sur OpenAlexaff
Mohammad Faisal J. Khan, Julian Little, Luigi Abelli, Peter Mossey, Luca Autelitano, Tapas Chandra Nag, Michele Rubini

Notice bibliographique

RevueOral Diseases · 2017
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCleft Lip and Palate Research
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesEuropean Social FundUniversità degli Studi di FerraraEuropean Science Foundation
Mots-clésAnatomyMuscle fibreSubclinical infectionSignificant differenceFiberMedicineDentistryOrthodonticsMaterials sciencePathologyInternal medicineSkeletal muscle

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To pilot investigation of muscle fiber diameter (MFD) on medial and lateral sides of the cleft in 18 infants with cleft lip with or without cleft palate (CL/P) using image processing. MATERIAL AND METHODS: Formalin-fixed paraffin-embedded (FFPE) tissue samples from the medial and lateral sides of the cleft were analyzed for MFD using an image-processing program (ImageJ). For within-case comparison, a paired Student's t test was performed. For comparisons between classes, an unpaired t test was used. RESULTS: Image processing enabled rapid measurement of MFD with majority of fibers showing diameter between 6 and 11 μm. There was no significant difference in mean MFD between the medial and lateral sides, or between CL and CLP. However, we found a significant difference on the medial side (p = .032) between males and females. CONCLUSION: The image processing on FFPE tissues resulted in easy quantification of MFD with finding of a smaller MFD on the medial side in males suggesting possible differences in orbicularis oris (OO) muscle between the two sexes in CL that warrants replication using larger number of cases. Moreover, this finding can aid subclinical phenotyping and potentially in the restoration of the anatomy and function of the upper lip.

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 enseignants0,336
Score d'incertitude au seuil0,381

Scores Codex et Gemma par catégorie

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 technologies0,0000,000
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 Opus0,036
Tête enseignante GPT0,372
Écart entre enseignants0,336 · 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

Citations8
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOral DiseasesMême sujetCleft Lip and Palate ResearchTravaux en français237 207