Implementation of an Alternative Training Method for Cardiac Blood Collection in Mice
Notice bibliographique
Résumé
Training personnel to work with animals presents a variety of challenges, both logistically and with regard to animal welfare. These issues make training an ideal opportunity to evaluate practices and to implement the 3R principles (refinement, replacement, and reduction). Cardiac blood collection from mice is a procedure that can compromise the 3Rs by requiring repeated practice and animal euthanasia. The development of a non-animal training model would promote the 3R principles. Our goals for the development of a new training model for cardiac blood collection from mice were to reduce the number of mice needed to achieve competency, improve our culture of care, and refine the training approach by improving competency. The training model was developed using commonly available materials. The total cost of the model was less than $15 USD per model. Two training curricula were conducted concurrently over a 5-mo period: 1) a curriculum in which trainees used the model before progressing to live mice and 2) the traditional curriculum, which used euthanized mice throughout. The measured variables included the total number of mice used, proportions of trainees who reached competency, the time needed to reach competency, method comprehension, quality of skill performance, trainer and trainee feedback, and training costs. The alternative group used at least 10 fewer mice per technician as compared with the traditionally trained group. The alternative group had a higher competency rate, with 82% (9 of 11 trainees) reaching competency compared with 60% (3 of 5 trainees) in the traditional group. Skill comprehension and quality were superior in the alternative group, as evidenced by fewer gross lesions at necropsy. Overall, personnel in the alternative group provided positive feedback with regard to the use of fewer mice, acquisition of both skill and confidence, and benefits for compassion fatigue. The use of this model is now our standard approach for training personnel in cardiac blood collection in mice. Our results demonstrate that the use of models in training curricula can enhance skill development and reduce the use of mice.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| 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 ».