MétaCan
Menu
Retour à la cohorte
Enregistrement W4224325577 · doi:10.1002/ansa.202100055

Artificial amniotic fluid for nuclear magnetic resonance spectroscopy studies

2022· article· en· W4224325577 sur OpenAlexaff
Doshina Naila, Siddharth Sadanand, Dafna Sussman

Notice bibliographique

RevueAnalytical Science Advances · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueNeonatal and fetal brain pathology
Établissements canadiensUniversity of TorontoToronto Metropolitan UniversitySt. Michael's Hospital
Organismes subventionnairesnon disponible
Mots-clésAmniocentesisImaging phantomAmniotic fluidMiscarriageMagnetic resonance imagingNuclear magnetic resonance spectroscopyNuclear magnetic resonanceMedicineFetusPrenatal diagnosisPregnancyNuclear medicineRadiologyPhysicsBiologyGenetics

Résumé

récupéré en direct d'OpenAlex

Amniocentesis is the process of retrieving the nutrient-rich amniotic fluid (AF) that encompasses the growing fetus in order to diagnose fetal diseases and developmental disorders. Currently, it is only performed on pregnant persons at risk and is invasive with the potential for infection and in some cases, miscarriage. A non-invasive alternative is needed and could be developed using magnetic resonance spectroscopy (MRS). To develop such MRS sequences, ample testing and training are needed and could be most efficiently conducted on a phantom. We propose a protocol for creating such a synthetic AF phantom for MRS testing and optimization. The proposed AF is validated using nuclear magnetic resonance (NMR) proving it produces spectra comparable to those in the literature. The results from this study can aid in developing a non-invasive fetal diagnostic tool to replace amniocentesis.

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)0,000
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,785
Score d'incertitude au seuil0,549

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
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 Opus0,029
Tête enseignante GPT0,343
Écart entre enseignants0,314 · 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'étudeSans objet
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

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnalytical Science AdvancesMême sujetNeonatal and fetal brain pathologyTravaux en français237 207