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 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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 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
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