Samples sizes required to accurately quantify viral load and histologic lesion severity at the maternal–fetal interface of PRRSV-inoculated pregnant gilts
Notice bibliographique
Résumé
Porcine reproductive and respiratory syndrome virus (PRRSV) is transmitted vertically, causing fetal death in late gestation. Spatiotemporal distribution of virus at the maternal-fetal interface (MFI) is variable, and accurate assessment of viral concentration and lesions is thus subject to sampling error. Our objectives were: 1) to assess whether viral load and lesion severity in a single sample of endometrium (END) and placenta (PLC), collected near the base of the umbilical cord (the current standard), are representative of the entire organ; and 2) to compare sampling strategies and evaluate if spatial variation in viral load can be overcome by pooling of like-tissues. Spatially distinct pieces of END and PLC of 24 fetuses from PRRSV-2-infected dams were collected. PRRSV RNA quantified by RT-qPCR was compared in 5 individual pieces per fetus and in respective pools of tissue and extracted RNA. Three distinct pieces of MFI were assessed for histologic severity. Concordance correlation and kappa inter-rater agreement were used to characterize agreement among individual samples and pools. The viral load of individual samples and pools of END had greater concordance to a referent standard than did samples of PLC. Larger pool sizes had greater concordance than smaller pool sizes. Average viral load and lesion severity did not differ by location sampled, and no technical advantages of pooling tissues versus RNA extracts were found. We conclude that multiple pieces of MFI tissues must be evaluated to accurately assess lesion severity and viral load. Three pieces per fetus provided a reasonable balance of cost and logistic feasibility.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».