MétaCan
Menu
Retour à la cohorte
Enregistrement W3008203275 · doi:10.1111/gbb.12647

Using a mouse model to gain insights into developmental coordination disorder

2020· review· en· W3008203275 sur OpenAlexafffund
Kamaldeep Gill, Jeffy Rajan Soundara Rajan, Dan Goldowitz, Jill G. Zwicker

Notice bibliographique

RevueGenes Brain & Behavior · 2020
Typereview
Langueen
DomainePsychology
ThématiqueChildren's Physical and Motor Development
Établissements canadiensSunny Hill Health Centre for ChildrenBC Children's HospitalUniversity of British Columbia
Organismes subventionnairesSunny Hill FoundationBC Children's HospitalMichael Smith Health Research BCCanadian Child Health Clinician Scientist ProgramCanadian Institutes of Health ResearchFaculty of Medicine, University of British Columbia
Mots-clésAutism spectrum disorderMotor coordinationPsychologyNeurodevelopmental disorderSet (abstract data type)AutismCognitive psychologyConstruct (python library)Developmental psychologyNeuroscienceComputer science

Résumé

récupéré en direct d'OpenAlex

Motor impairments are a common feature of many neurodevelopmental disorders; in fact, over 50% of children with Attentional Deficit Hyperactivity Disorder or Autism Spectrum Disorder may have a co-occurring diagnosis of developmental coordination disorder (DCD). DCD is a neurodevelopmental disorder of unknown etiology that affects motor coordination and learning, significantly impacting a child's ability to carry out everyday activities. Animal models play an important role in scientific investigation of behaviour and the mechanisms and processes that are involved in control of motor actions. The purpose of this paper is to present an approach in the mouse directed to gain behavioral and genetic insights into DCD that is designed with high face validity, construct validity and predictive validity. Pre-clinical and clinical expertise is used to establish a set of scientific criteria that the model will meet in order to investigate the potential underlying causes of DCD.

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 candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,995
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,088
Tête enseignante GPT0,371
Écart entre enseignants0,283 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations12
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGenes Brain & BehaviorMême sujetChildren's Physical and Motor DevelopmentTravaux en français237 207