Impact of long-term storage on mid-infrared spectral patterns of serum and synovial fluid samples of dogs with osteoarthritis
Notice bibliographique
Résumé
Abstract The aim of this study was to evaluate the impact of short versus long-term storage on mid-infrared (MIR) spectral patterns of serum and synovial fluid (SF) of dogs with knee osteoarthritis (OA) and controls. Serum (52 OA and 49 control) and SF (51 OA and 51 control) samples from dogs that had been in short-term (<3 years) frozen state (-80°C) had their MIR spectra obtained. The remaining aliquots were maintained in long-term (>5 years) frozen state before having MIR spectra acquired under the same testing conditions. Spectra from the two time points were significantly different (P<0.0001), however, sample aging accounted for only 1.61% and 2.98% of serum and SF profiles’ variability, respectively. Predictive models for discriminating serum of OA from controls for short-term storage showed 87.3±3.7% sensitivity, 88.9±2.4% specificity and 88.1±2.3% accuracy, while, for long-term storage, values of the same figures of merit were 92.5±2.6%, 97.1±1.7% and 94.8±1.4%, respectively. Predictive models based on short-term stored SF spectra had 97.3±1.6% sensitivity, 89.4±2.6% specificity and 93.4±1.6% accuracy, while the values for long-term storage 95.7±2.1%, 95.7±0.8% and 95.8±1.1%, respectively. Long-term storage of serum and does not significantly alter the performance of predictive algorithms for discriminating OA samples from controls.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| 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 | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».