MétaCan
Menu
Retour à la cohorte
Enregistrement W4393950827 · doi:10.1016/j.jor.2024.03.038

Animal models used in meniscal repair research from ex vivo to in vivo: A systematic review

2024· review· en· W4393950827 sur OpenAlexafffund
David Mazy, Daisy Lu, Sébastien Leclerc, Boaz Laor, Jessica Wang, Alix Pinvicy, Florina Moldovan, Marie‐Lyne Nault

Notice bibliographique

RevueJournal of Orthopaedics · 2024
Typereview
Langueen
DomaineMedicine
ThématiqueKnee injuries and reconstruction techniques
Établissements canadiensMcGill UniversityCentre Intégré Universitaire de Santé et de Services Sociaux du Centre-Sud-de-l'Île-de-MontréalHôpital du Sacré-Cœur de MontréalUniversité de MontréalCentre Hospitalier Universitaire Sainte-Justine
Organismes subventionnairesInstitut TransMedTechCanada First Research Excellence Fund
Mots-clésEx vivoMedicineAnimal modelCadaveric spasmSystematic reviewIn vivoAnimal testingMeta-analysisHuman studiesData extractionAnimal studiesMeniscusWeb of scienceExperimental animalMEDLINEPathologyMedical physicsSurgeryVeterinary medicineBiologyBiotechnologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

This systematic review, registered with Prospero, aims to identify an optimal animal model for meniscus repair research, moving from ex vivo experimentation to in vivo studies. Data sources included PubMed, Medline, all Evidence-Based Medicine Reviews, Web of Science, and Embase searched in March 2023. Studies were screened using Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) guidelines. Extracted data including animal model, type of experiment, type of tear, surgical techniques, and measured outcomes, were recorded, reviewed, and analyzed by four independent reviewers. The SYstematic Review Centre for Laboratory animal Experimentation (SYRCLE) Rob tool was used for critical appraisal and risk of bias assessment. Out of 11,719 studies, 72 manuscripts were included for data extraction and analysis; 41 ex vivo extra-articular studies, 20 ex vivo intra-articular studies, and only 11 in vivo studies. Six animal models were employed: porcine, bovine, lapine, caprine, canine, and ovine. Longitudinal lesions were the most frequently studied tear pattern and sutures the most common repair technique. Studied outcomes focused mainly on biomechanical assessments and gross observations. This systematic review can guide researchers in their choice of animal model for meniscus repair research; it highlighted the strengths of the porcine, caprine, and bovine models for ex vivo cadaveric studies, while the porcine and caprine models were found to be more suited to in vivo studies due to their similarities with human anatomy. Research teams should familiarize themselves with the advantages and disadvantages of various animal models before initiating protocols to improve standardization in the field.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,024
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,046

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,024
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0110,008
Bibliométrie0,0060,006
Études des sciences et des technologies0,0000,001
Communication savante0,0040,002
Science ouverte0,0020,002
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,123
Tête enseignante GPT0,450
Écart entre enseignants0,328 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2024
Routes d'admission2
Résumé présentnon

Explorer davantage

Même revueJournal of OrthopaedicsMême sujetKnee injuries and reconstruction techniquesTravaux en français237 207