A Rapid Neurological Assessment Protocol for Repeated Mild Traumatic Brain Injury in Awake Rats
Notice bibliographique
Résumé
Preclinical models for mild traumatic brain injury (mTBI) need to recapitulate several essential clinical features associated with mTBI, including a lack of significant neuropathology and the onset of neurocognitive symptoms normally associated with mTBI. Here we show how to establish a protocol for reliably and repeatedly inducing a mild awake closed head injury (ACHI) in rats, with no mortality or clinical indications of persistent pain. Moreover, we implement a new rapid neurological assessment protocol (NAP) that can be completely conducted within 1 min of each impact. This ACHI model will help to rectify the paucity of data on how repeated mTBI (r-mTBI) impacts the juvenile brain, an area of significant concern in clinical populations where there is evidence that behavioral sequelae following injury can be more persistent in juveniles. In addition, the ACHI model can help determine if r-mTBI early in life can predispose the brain to exhibiting greater neuropathology (i.e., chronic traumatic encephalopathy) later in life and can facilitate the identification of critical periods of vulnerability to r-mTBI across the lifespan. This article describes the protocol for administering an awake closed head mTBI (i.e., ACHI) to rats, as well as how to perform a rapid NAP following each ACHI. Methods for administering the ACHI to individual subjects repeatedly are described, as are the methods and scoring system for the NAP. The goal of this article is to provide a standardized set of procedures allowing the ACHI and NAP protocols to be used reliably by different laboratories. © 2019 by John Wiley & Sons, Inc.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».