MétaCan
Menu
Retour à la cohorte
Enregistrement W2795774894 · doi:10.14440/bladder.2018.582

Non-invasive voiding assessment in conscious mice

2018· article· en· W2795774894 sur OpenAlexaff
Martin Sidler, Karen Aitken, Sarah Forward, I. Alex Vitkin, Darius Bägli

Notice bibliographique

RevueBladder · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueTissue Engineering and Regenerative Medicine
Établissements canadiensHospital for Sick ChildrenUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésCystometryMedicineBladder outlet obstructionUrinationUrologyP70-S6 Kinase 1Urinary bladderUrinary systemInternal medicinePI3K/AKT/mTOR pathwayBiologySignal transductionProstate

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To review available options of assessing murine bladder function and to evaluate a non-invasive technique suitable for long-term recording. METHODS: We reviewed previously described methods to record rodent bladder function. We used modified metabolic cages to capture novel recording tracings of mouse micturition. We evaluated our method in a pilot study with female mice undergoing partial bladder outlet obstruction or sham operation, respectively; half of the partial obstruction and sham group received treatment with an S6K-inhibitor, targeting the mTOR pathway, which is known to be implicated in bladder response to obstruction. RESULTS: Our non-invasive method using continuous urine weight recording reliably detected changes in murine bladder function resulting from partial bladder outlet obstruction or treatment with S6K-inhibitor. We found obstruction as well as treatment with S6K-inhibitor to correlate with a hyperactive voiding pattern. CONCLUSIONS: While invasive methods to assess murine bladder function largely disturb bladder histology and intrinsically render post-cystometry gene expression analysis of questionable value, continuous urine weight recording is a reliable, inexpensive, and critically non-invasive method to assess murine bladder function, suitable for a long-term application.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,506
Score d'incertitude au seuil0,333

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 Opus0,014
Tête enseignante GPT0,303
Écart entre enseignants0,288 · 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'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

Citations9
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBladderMême sujetTissue Engineering and Regenerative MedicineTravaux en français237 207