MétaCan
Menu
Retour à la cohorte
Enregistrement W4379523238 · doi:10.1088/1741-2552/acdbeb

A scoping review of current and emerging techniques for evaluation of peripheral nerve health, degeneration, and regeneration: part 1, neurophysiology

2023· review· en· W4379523238 sur OpenAlexaff
Ross Mandeville, Benjamin Sanchez, Benjamin R. Johnston, Stanley Bazarek, Jasmine A. Thum, Austin Birmingham, Reiner Henson B See, Carl Froilan D. Leochico, Viksit Kumar, Arriyan S. Dowlatshahi, Justin M. Brown, Daniel W. Stashuk, Seward B. Rutkove

Notice bibliographique

RevueJournal of Neural Engineering · 2023
Typereview
Langueen
DomaineNeuroscience
ThématiqueNerve injury and regeneration
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésPeripheral nerveRegeneration (biology)NeuroregenerationNeuroscienceMedicineNeurophysiologyComputer sciencePhysical medicine and rehabilitationRisk analysis (engineering)PsychologyBiologyAnatomyNeuroprotection

Résumé

récupéré en direct d'OpenAlex

Peripheral neuroregeneration research and therapeutic options are expanding exponentially. With this expansion comes an increasing need to reliably evaluate and quantify nerve health. Valid and responsive measures that can serve as biomarkers of the nerve status are essential for both clinical and research purposes for diagnosis, longitudinal follow-up, and monitoring the impact of any intervention. Furthermore, such biomarkers can elucidate regeneration mechanisms and open new avenues for research. Without these measures, clinical decision-making falls short, and research becomes more costly, time-consuming, and sometimes infeasible. As a companion to Part 2, which is focused on non-invasive imaging, Part 1 of this two-part scoping review systematically identifies and critically examines many current and emerging neurophysiological techniques that have the potential to evaluate peripheral nerve health, particularly from the perspective of regenerative therapies and 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 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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,680
Score d'incertitude au seuil0,729

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,180
Tête enseignante GPT0,437
Écart entre enseignants0,257 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Neural EngineeringMême sujetNerve injury and regenerationTravaux en français237 207