MétaCan
Menu
Retour à la cohorte
Enregistrement W4366292016 · doi:10.21203/rs.3.rs-2794960/v1

Development and characterization of a fecal-induced peritonitis model of murine sepsis: results from a multi-laboratory study and iterative modification of experimental conditions

2023· preprint· en· W4366292016 sur OpenAlexafffundabout
Neha Sharma, Damian Chwastek, Dhruva J. Dwivedi, Jared Schlechte, Ian-Ling Yu, Braedon McDonald, Jaskirat Arora, Erblin Cani, Mikaela Eng, Doreen Engleberts, Eva Kuhar, Sarah K. Medeiros, Stephane L. Bourque, Gediminas Cepinskas, Sean E. Gill, Forough Jahandideh, Kimberly F. Macala, Sareh Panahi, Cynthia Pape, David Sontag, Janet Sunohara-Neilson, Dean Fergusson, Alison Fox‐Robichaud, Patricia C. Liaw, Manoj M. Lalu, Asher A. Mendelson

Notice bibliographique

RevueResearch Square · 2023
Typepreprint
Langueen
DomaineMedicine
ThématiqueClostridium difficile and Clostridium perfringens research
Établissements canadiensLawson Health Research InstituteWestern UniversityUniversity of AlbertaUniversity of CalgaryRoyal Alexandra HospitalThrombosis and Atherosclerosis Research InstituteUniversity of OttawaMcMaster UniversityUniversity of ManitobaOttawa Hospital
Organismes subventionnairesOttawa Hospital Anesthesia Alternate Funds AssociationManitoba Medical Service FoundationMcMaster UniversityCanadian Institutes of Health ResearchRoyal Alexandra Hospital FoundationUniversity of Ottawa
Mots-clésPeritonitisFecesSepsisMedicineInternal medicineBiologyMicrobiology

Résumé

récupéré en direct d'OpenAlex

Abstract Background: Preclinical sepsis models have been criticized for their inability to recapitulate human sepsis and suffer from methodological shortcomings that limit external validity and reproducibility. The National Preclinical Sepsis Platform (NPSP) is a consortium of basic science researchers, veterinarians, and stakeholders in Canada undertaking standardized multi-laboratory sepsis research to increase the efficacy and efficiency of bench-to-bedside translation. In this study, we aimed to develop and characterize a 72-hour fecal-induced peritonitis (FIP) model of murine sepsis conducted in two independent laboratories. The experimental protocol was optimized by sequentially modifying dose of fecal slurry and timing of antibiotics in an iterative fashion, and then repeating the experimental series at site 1 and site 2. Results: Escalating doses of fecal slurry (0.5 to 2.5 mg/g) resulted in increased disease severity, as assessed by the modified Murine Sepsis Score (MSS), with either minimal (< 20%) or severe (> 60%) mortality outcomes. However, the MSS was a poor predictor of progression to death during the experiments, and mice were found dead without elevated MSS scores. Administration of antibiotics within 4 hours of inoculation rescued the animals from sepsis, as evidenced by 100% survival and reduced bacterial load in peritoneum and blood, compared with late administration of antibiotics after 12 hours. Site 1 and site 2 had statistically significant differences in mortality (60% vs 88%; p < 0.05) for the same dose of fecal slurry (0.75 mg/g) and marked difference in temperature between groups. Microbiome analysis between two batches of fecal slurry revealed differences in beta-diversity and differential abundance analysis, which correlated with differences in mortality in two separate experimental series. Conclusions: We demonstrate a systematic approach to optimizing a 72-hour FIP model of murine sepsis for use in multi-laboratory studies. Alterations to experimental conditions, such as dose of fecal slurry and timing of antibiotics, have clear impact on outcomes. Differences in mortality between sites despite rigorous standardization warrants further investigations to better understand inter-laboratory variation and methodological design in preclinical studies. The use of surrogate mortality endpoints in preclinical sepsis models may introduce bias in evaluation and analysis of outcomes.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,083
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,213
Tête enseignante GPT0,439
Écart entre enseignants0,226 · 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.

Devis d'étudeExpérimental (laboratoire)
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

Citations7
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueResearch SquareMême sujetClostridium difficile and Clostridium perfringens researchTravaux en français237 207