MétaCan
Menu
Retour à la cohorte
Enregistrement W3098491728 · doi:10.1016/j.ocarto.2020.100120

Infrared spectroscopy of synovial fluid as a potential screening approach for the diagnosis of naturally occurring canine osteoarthritis associated with cranial cruciate ligament rupture

2020· article· en· W3098491728 sur OpenAlexafffund
Sarah Malek, Federico Marini, Mark C. Rochat, Romain Béraud, Glenda M. Wright, Christopher B. Riley

Notice bibliographique

RevueOsteoarthritis and Cartilage Open · 2020
Typearticle
Langueen
DomaineVeterinary
ThématiqueVeterinary Orthopedics and Neurology
Établissements canadiensUniversity of Prince Edward Island
Organismes subventionnairesCanadian Institutes of Health ResearchUniversity of Prince Edward IslandOklahoma State University
Mots-clésCruciate ligamentOsteoarthritisSynovial fluidMedicineAnterior cruciate ligamentOrthodonticsAnatomyPathology

Résumé

récupéré en direct d'OpenAlex

Objective: To evaluate infrared (IR) spectroscopy of synovial fluid (SF) as tool to differentiate between knees of dogs with naturally occurring OA associated with cranial cruciate ligament rupture (CrCLR) and controls. Method: 104 adult dogs with CrCLR (affected group) and 50 adult control dogs were recruited in a prospective observational study. Synovial fluid (SF) samples were collected preoperatively from dogs with CrCLR and from a subset of these at 4-, and 12-week post-surgery. Knee samples were collected bilaterally once from control dogs. Dried synovial fluid films were made, and IR absorbance spectra acquired. After preprocessing, partial least squares discriminant analysis (PLS-DA) and ANOVA-simultaneous component analysis (ASCA) were used to evaluate group and temporal differences, and to develop predictive models. Results: There were statistically significant spectral differences between the SF of OA affected and control dogs at all three time-points (P < 0.001). Pairwise comparison of spectral SF of knees with CrCLR over time showed statistically significant differences amongst all three time-points (P < 0.001). The predictive model for identifying the affected group from control had sensitivity, specificity and overall accuracy of 97.6%, 99.7% and 98.6%, respectively. Conclusions: The findings demonstrate the ability of FTIR-spectroscopy of synovial fluid combined with chemometric methods to accurately differentiate dogs with OA secondary to CrCLR from controls. The role of this IR-based screening test as a diagnostic and monitoring biomarker for OA specific to the joint being sampled warrants further investigation.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

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
Bibliométrie0,0020,001
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 Opus0,033
Tête enseignante GPT0,278
Écart entre enseignants0,245 · 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'étudeObservationnel
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
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueOsteoarthritis and Cartilage OpenMême sujetVeterinary Orthopedics and NeurologyTravaux en français237 207