Factors Determining the Success of the Chronically Instrumented Non-anesthetized Fetal Sheep Model of Human Development: A Retrospective Cohort Study
Notice bibliographique
Résumé
Background The chronically instrumented non-anesthetized fetal sheep (CINAFS) model has been a mainstay of human fetal development research for the past 60 years. As a large "two for one" animal model, involving the instrumentation of the ewe and her fetus, the model poses challenges to implement de novo and maintain overtime at the highest standards of operating procedures to ensure ongoing performance. A common yet conventionally underreported issue researchers face is a high rate of animal loss. Here, we investigate what determines the success of the CINAFS model of human development. Methods We conducted a retrospective cohort analysis consisting of 82 experiments spanning the course of six years. Our team identified 10 variables that we anticipated were likely to influence the experimental outcome, such as the time of year, animal size, and surgical complexity. To evaluate the role of each variable in contributing to the success of the model, a binary logit regression analysis with a Fisher scoring optimization was fit to the data (SAS, V9 engine, release 3.8, SAS Institute, Cary, NC, USA). A higher predictive probability indicates a larger impact by the given variable on the outcome of the experiment. A Wald chi-squared analysis was run on the data to control for confounders and determine significance. Results The single variable identified in this study as determining the success of experiment outcomes using the CINAFS model is the experience level of the team. Conclusion The CINAFS model offers enormous potential to further our understanding of human fetal development and create interventional technologies related to fetal health. However, to improve experimental outcomes using the CINAFS model, stronger communication and training are needed. We discuss the implications of our findings for the successful implementation of this challenging yet scientifically advantageous animal model of human physiology.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».