Refinement and validation of infrared thermal imaging (IRT): a non-invasive technique to measure disease activity in a mouse model of rheumatoid arthritis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: The discovery and development of new medicines requires high-throughput screening of possible therapeutics in a specific model of the disease. Infrared thermal imaging (IRT) is a modern assessment method with extensive clinical and preclinical applications. Employing IRT in longitudinal preclinical setting to monitor arthritis onset, disease activity and therapeutic efficacies requires a standardized framework to provide reproducible quantitative data as a precondition for clinical studies. METHODS: Here, we established the accuracy and reliability of an inexpensive smartphone connected infrared (IR) camera against known temperature objects as well as certified blackbody calibration equipment. An easy to use protocol incorporating contactless image acquisition and computer-assisted data analysis was developed to detect disease-related temperature changes in a collagen-induced arthritis (CIA) mouse model and validated by comparison with two conventional methods, clinical arthritis scoring and paw thickness measurement. We implemented IRT to demonstrate the beneficial therapeutic effect of nanoparticle drug delivery versus free methotrexate (MTX) in vivo. RESULTS: The calibrations revealed high accuracy and reliability of the IR camera for detecting temperature changes in the rheumatoid arthritis animal model. Significant positive correlation was found between temperature changes and paw thickness measurements as the disease progressed. IRT was found to be superior over the conventional techniques specially at early arthritis onset, when it is difficult to observe subclinical signs and measure structural changes. CONCLUSION: IRT proved to be a valid and unbiased method to detect temperature changes and quantify the degree of inflammation in a rapid and reproducible manner in longitudinal preclinical drug efficacy studies.
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.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 découle