MétaCan
Menu
Retour à la cohorte
Enregistrement W4210516874 · doi:10.3389/fnint.2021.802378

Manual Therapy Research Methods in Animal Models, Focusing on Soft Tissues

2022· article· en· W4210516874 sur OpenAlexaff
Geoffrey M. Bove, Susan L. Chapelle, Matthew J. S. Barrigar, Mary F. Barbe

Notice bibliographique

RevueFrontiers in Integrative Neuroscience · 2022
Typearticle
Langueen
DomaineVeterinary
ThématiqueAnimal testing and alternatives
Établissements canadiensCanadian Memorial Chiropractic College
Organismes subventionnairesNational Center for Complementary and Integrative Health
Mots-clésPerspective (graphical)Manual therapyAction (physics)PsychologyMedical physicsComputer scienceMedicineManagement scienceEngineering ethicsArtificial intelligenceAlternative medicinePathologyEngineering

Résumé

récupéré en direct d'OpenAlex

Manual therapies have been practiced for centuries, yet little research has been performed to understand their efficacy and almost no animal research has been performed to inform mechanisms of action. The methods of manual therapy practice are quite varied and present a challenge for scientists to model the treatments and perform research using rodents. In this perspective we present a descriptive analysis of the complexity of the treatments, highlighting the role of tissue mechanics and physics. With these complexities in mind, we compare using manual therapy as clinically practiced, to attempts to develop machinery to model or mimic manual therapy. We propose that because of the complexities of manual therapy as practiced, having therapists perform the treatments on research animals just as they would on humans is the most scientific approach. Our results using this approach have supported its practicality.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,705
Score d'incertitude au seuil0,725

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,464
Tête enseignante GPT0,558
Écart entre enseignants0,094 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations7
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Integrative NeuroscienceMême sujetAnimal testing and alternativesTravaux en français237 207