MétaCan
Menu
Retour à la cohorte
Enregistrement W2762435278 · doi:10.1089/zeb.2017.1508

Report of Workshop on Euthanasia for Zebrafish—A Matter of Welfare and Science

2017· article· en· W2762435278 sur OpenAlexaff
Almut Köhler, Chereen Collymore, Karin Finger‐Baier, Robert Geisler, Larissa Kaufmann, Kieran C. Pounder, Stefan Schulte‐Merker, Ana M. Valentim, Zoltán M. Varga, Jürgen Weiss, Uwe Strähle

Notice bibliographique

RevueZebrafish · 2017
Typearticle
Langueen
DomaineVeterinary
ThématiqueAnimal testing and alternatives
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNational Institutes of Health
Mots-clésZebrafishDirectiveAnimal welfareFish <Actinopterygii>White paperBiologyWelfareEngineering ethicsPolitical scienceEcologyComputer scienceLawGeneticsFisheryEngineeringGene

Résumé

récupéré en direct d'OpenAlex

The increasing importance of zebrafish as a biomedical model organism is reflected by the steadily growing number of publications and laboratories working with this species. Regulatory recommendations for euthanasia as issued in Directive 2010/63/EU are, however, based on experience with fish species used for food production and do not take the small size and specific physiology of zebrafish into account. Consequently, the currently recommended methods of euthanasia in the Directive 2010/63/EU are either not applicable or may interfere with research goals. An international workshop was held in Karlsruhe, Germany, March 9, 2017, to discuss and propose alternative methods for euthanasia of zebrafish. The aim was to identify methods that adequately address the physiology of zebrafish and its use as a biomedical research model, follow the principles of the 3Rs (Replacement, Reduction, and Refinement) in animal experimentation and consider animal welfare during anesthesia and euthanasia. The results of the workshop are summarized here in the form of a white paper.

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)0,020
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,108

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0200,011
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,002
Communication savante0,0030,002
Science ouverte0,0020,006
Intégrité de la recherche0,0070,008
Charge utile insuffisante (le modèle a refusé de juger)0,0110,004

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 Opus0,166
Tête enseignante GPT0,410
Écart entre enseignants0,244 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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

En bref

Citations36
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZebrafishMême sujetAnimal testing and alternativesTravaux en français237 207