Locomotor activity as an effective measure of the severity of inflammatory arthritis in a mouse model
Notice bibliographique
Résumé
OBJECTIVE: Mouse models are valuable in preclinical studies of inflammatory arthritis. However, current methods for measuring disease severity or responses to treatment are not optimal. In this study a smart cage system using multiple sensors to measure locomotor activity was evaluated in the K/BxN serum transfer model of inflammatory arthritis. METHODS: Arthritis was induced in C57BL/6 mice with injections of K/BxN serum. Clinical index and ankle thickness were measured for 14 days. Locomotor activity was measured in smart cages for 23 h periods on Days 0, 7, and 13. The same measurements were taken in mice consuming diets supplemented or not with fish oil to evaluate a preventative treatment. RESULTS: Initiation, peak and resolution phases of disease could be measured with the smart cages. Locomotor activity including speed, travel distance, number of active movements and rear movements were all significantly lower on Days 7-8 of illness (peak) compared to Days 0 and 13-14 (resolution) (one-way repeated measures analyses, p<0.05). The clinical index and ankle thickness measurements did not capture differences between dietary groups. Significantly increased activity was measured in most of the locomotor parameters in the fish oil group compared to the control mice at both Days 8 and 14 (2-way repeated measures ANOVA, p<0.05). CONCLUSION: The measurement of locomotor activity provided a more detailed evaluation of the impact of inflammatory arthritis on animal well-being and mobility than that provided by measuring clinical index and ankle thickness, and could be a valuable tool in preclinical studies of inflammatory arthritis.
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) | 0,000 | 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 ».