MétaCan
Menu
Retour à la cohorte
Enregistrement W2768310178 · doi:10.3791/56346

Proper Positioning and Restraint of a Rat Hind Limb for Focused High Resolution Imaging of Bone Micro-architecture Using <em>In Vivo</em> Micro-computed Tomography

2017· article· en· W2768310178 sur OpenAlexafffund
Amanda B. Longo, Sandra M. Sacco, Wendy E. Ward

Notice bibliographique

RevueJournal of Visualized Experiments · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueBone health and osteoporosis research
Établissements canadiensBrock University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaBrock University
Mots-clésIn vivoPreclinical imagingBiomedical engineeringX-ray microtomographyHindlimbComputer scienceTomographyComputed tomographyMedicineAnatomyRadiologyBiology

Résumé

récupéré en direct d'OpenAlex

The use of in vivo micro-computed tomography (µCT) is a powerful tool which involves the non-destructive imaging of internal structures at high resolutions in live animal models. This allows for repeated imaging of the same rodent over time. This feature not only reduces the total number of rodents required in an experimental design and thereby reduces the inter-subject variation that can arise, but also allows researchers to assess longitudinal or life-long responses to an intervention. To acquire high quality images that can be processed and analyzed to more accurately quantify outcomes of bone micro-architecture, users of in vivo µCT scanners must properly anesthetize the rat, and position and restrain the hind limb. To do this, it is imperative that the rat be anesthetized to a level of complete relaxation, and that pedal reflexes are lost. These guidelines may be modified for each individual rat, as the rate of isoflurane metabolism can vary depending on strain and body size. Proper technique for in vivo µCT image acquisition enables accurate and consistent measurement of bone micro-architecture within and across 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 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)0,002
score de la tête « metaresearch » (Gemma)0,002
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: Méthodes
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,002
Communication savante0,0010,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0110,007

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 Opus0,032
Tête enseignante GPT0,395
Écart entre enseignants0,363 · 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

Citations4
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Visualized ExperimentsMême sujetBone health and osteoporosis researchTravaux en français237 207