Advantages and Disadvantages of Using Small and Large Animals in Burn Research: Proceedings of the 2021 Research Special Interest Group
Notice bibliographique
Résumé
Multiple animal species and approaches have been used for modeling different aspects of burn care, with some strategies considered more appropriate or translatable than others. On April 15, 2021, the Research Special Interest Group of the American Burn Association held a virtual session as part of the agenda for the annual meeting. The session was set up as a pro/con debate on the use of small versus large animals for application to four important aspects of burn pathophysiology: burn healing/conversion, scarring, inhalation injury, and sepsis. For each of these topics, two experienced investigators (one each for small and large animal models) described the advantages and disadvantages of using these preclinical models. The use of swine as a large animal model was a common theme due to anatomic similarities with human skin. The exception to this was a well-defined ovine model of inhalation injury; both of these species have larger airways which allow for incorporation of clinical tools such as bronchoscopes. However, these models are expensive and demanding from labor and resource standpoints. Various strategies have been implemented to make the more inexpensive rodent models appropriate for answering specific questions of interest in burns. Moreover, modeling burn-sepsis in large animals has proven difficult. It was agreed that the use of both small and large animal models has merit for answering basic questions about the responses to burn injury. Expert opinion and the ensuing lively conversations are summarized herein, which we hope will help inform experimental design of future research.
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 | 0,015 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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 ».