Development and characterization of a fecal-induced peritonitis model of murine sepsis: results from a multi-laboratory study and iterative modification of experimental conditions
Notice bibliographique
Résumé
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-h 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 (0.5-2.5 mg/g) resulted in increased disease severity, as assessed by the modified Murine Sepsis Score (MSS). However, the MSS was poorly associated with progression to death during the experiments, and mice were found dead without elevated MSS scores. Administration of early antibiotics within 4 h of inoculation rescued the animals from sepsis compared with late administration of antibiotics after 12 h, as evidenced by 100% survival and reduced bacterial load in peritoneum and blood in the early antibiotic group. 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 differences in body temperature between groups. CONCLUSIONS: We demonstrate a systematic approach to optimizing a 72-h 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.
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) | 0,001 | 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 ».