Characteristics of magnetic resonance imaging biomarkers in a natural history study of golden retriever muscular dystrophy
Notice bibliographique
Résumé
AbstractThe goal of this study was to assess whether magnetic resonance imaging (MRI) biomarkers can quantify disease progression in golden retriever muscular dystrophy (GRMD) via a natural history study. The proximal pelvic limbs of ten GRMD and eight normal dogs were scanned at 3, 6, and 9–12months of age. Several MRI imaging and texture analysis biomarkers were quantified in seven muscles. Almost all MRI biomarkers readily distinguished GRMD from control dogs; however, only selected biomarkers tracked with longitudinal disease progression. The biomarkers that performed best were full-length muscle volume and a texture analysis biomarker, termed heterogeneity index. The biceps femoris, semitendinosus and cranial sartorius muscles showed differential progression in GRMD versus control dogs. MRI features in GRMD dogs showed dynamic progression that was most pronounced over the 3- to 6-month period. Volumetric biomarkers and water map values correlated with histopathological features of necrosis/regeneration at 6-months. In conclusion, selected MRI biomarkers (volume and heterogeneity index) in particular muscles (biceps femoris, semitendinosus, and cranial sartorius) adjusted for age effect allow distinction of differential longitudinal progression in GRMD dogs. These biomarkers may be used as surrogate outcome measures in preclinical GRMD trials.
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 | 0,000 |
| 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 ».