MétaCan
Menu
Retour à la cohorte
Enregistrement W4286630470 · doi:10.3791/64159

Destabilization of the Medial Meniscus and Cartilage Scratch Murine Model of Accelerated Osteoarthritis

2022· article· en· W4286630470 sur OpenAlexaff
Lynette Dunning, Kendal McCulloch, John C. Lockhart, Carl S. Goodyear, Carmen Huesa

Notice bibliographique

RevueJournal of Visualized Experiments · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueKnee injuries and reconstruction techniques
Établissements canadiensInstitute of Infection and Immunity
Organismes subventionnairesVersus ArthritisUniversity of Liverpool
Mots-clésOsteoarthritisCartilageMedial meniscusMeniscusMedicineJoint diseaseArticular cartilageCartilage damageAnatomyPathology

Résumé

récupéré en direct d'OpenAlex

Osteoarthritis is the most prevalent musculoskeletal disease in people over 45, leading to an increasing economic and societal cost. Animal models are used to mimic many aspects of the disease. The present protocol describes the destabilization and cartilage scratch model (DCS) of post-traumatic osteoarthritis. Based on the widely used destabilization of the medial meniscus (DMM) model, DCS introduces three scratches on the cartilage surface. The current article highlights the steps to destabilize the knee by transecting the medial meniscotibial ligament followed by three intentional superficial scratches on the articular cartilage. The possible analysis methods by dynamic weight-bearing, microcomputed tomography, and histology are also demonstrated. While the DCS model is not recommended for studies that focus on the effect of osteoarthritis on the cartilage, it enables the study of osteoarthritis development in a shorter time window, with special focus on (1) osteophyte formation, (2) osteoarthritic and injury pain, and (3) the effect of cartilage damage in the whole joint.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,030
Tête enseignante GPT0,382
Écart entre enseignants0,352 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Visualized ExperimentsMême sujetKnee injuries and reconstruction techniquesTravaux en français237 207