Systematic Review: Anaesthetic Protocols and Management as Confounders in Rodent Blood Oxygen Level Dependent Functional Magnetic Resonance Imaging (BOLD fMRI)–Part A: Effects of Changes in Physiological Parameters
Notice bibliographique
Résumé
Background: To understand brain function in health and disease, functional magnetic resonance imaging (fMRI) is widely used in rodent models. Because animals need to be immobilised for image acquisition, fMRI is commonly performed under anaesthesia. The choice of anaesthetic protocols and may affect fMRI readouts, either directly or via changing physiological balance, and thereby threaten the scientific validity of fMRI in rodents. Methods: The present study systematically reviewed the literature investigating the influence of different anaesthesia regimes and changes in physiological parameters as confounders of blood oxygen level dependent (BOLD) fMRI in rats and mice. Four databases were searched, studies selected according to pre-defined criteria, and risk of bias assessed for each study. Results are reported in two separate articles; this part of the review focuses on effects of changes in physiological parameters. Results: A total of 121 publications was included, of which 49 addressed effects of changes in physiological parameters. Risk of bias was high in all included studies. Blood oxygenation (arterial partial pressure of oxygen (paO2)), ventilation (arterial partial pressure of carbon dioxide (paCO2)) and arterial blood pressure affected BOLD fMRI readouts across various experimental paradigms. Conclusions: Blood oxygenation, ventilation and arterial blood pressure should be monitored and maintained at stable physiological levels throughout experiments. Adequate anaesthetic management and monitoring are crucial to obtain scientifically valid, reproducible results from fMRI studies in rodent models.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».