Infrared Spectroscopy of Synovial Fluid Shows Accuracy as an Early Biomarker in an Equine Model of Traumatic Osteoarthritis
Notice bibliographique
Résumé
Osteoarthritis is a leading cause of lameness and joint disease in horses. A simple, economical, and accurate diagnostic test is required for routine screening for OA. This study aimed to evaluate infrared (IR)-based synovial fluid biomarker profiling to detect early changes associated with a traumatically induced model of equine carpal osteoarthritis (OA). Unilateral carpal OA was induced arthroscopically in 9 of 17 healthy thoroughbred fillies; the remainder served as Sham-operated controls. The median age of both groups was 2 years. Synovial fluid (SF) was obtained before surgical induction of OA (Day 0) and weekly until Day 63. IR absorbance spectra were acquired from dried SF films. Following spectral pre-processing, predictive models using random forests were used to differentiate OA, Sham, and Control samples. The accuracy for distinguishing between OA and any other joint group was 80%. The classification accuracy by sampling day was 87%. For paired classification tasks, the accuracies by joint were 75% for OA vs. OA Control and 70% for OA vs. Sham. The accuracy for separating horses by group (OA vs. Sham) was 68%. In conclusion, SF IR spectroscopy accurately discriminates traumatically induced OA joints 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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,000 | 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 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 ».