MétaCan
Menu
Retour à la cohorte
Enregistrement W4394280587 · doi:10.6084/m9.figshare.8072519.v3

Electrocardiography, echocardiography and histological data

2020· dataset· en· W4394280587 sur OpenAlexaboutno aff
Gustavo Marchini

Notice bibliographique

RevueFigshare · 2020
Typedataset
Langueen
DomaineMedicine
ThématiqueCardiovascular Function and Risk Factors
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésElectrocardiographyCardiologyInternal medicineMedicine

Résumé

récupéré en direct d'OpenAlex

Electrocardiography data obtained in diabetic and age-matched control rats using Bioamp (ADInstruments, Dunedin, New Zealand), 3 weeks after induction of diabetes. Transthoracic echocardiography was performed in diabetic and age-matched control rats using VEVO 2100 (Visual Sonics, Toronto, ON, Canada) equipped with a 40-MHz transducer, 2 weeks after diabetes induction. For histological data, prepared sections were observed under microscopy (Leica Application suite). Magnification was set up at ×400. Micrographs were used to calculate the collagen content in the myocardial interstitium using the Image J software as the percentage of red-stained area in the section. An average of 15-20 images from each animal from each group was analyzed. To evaluate the perivascular fibrosis of intramyocardial arterioles of the ventricles, arterioles with a diameter between 100-200 μm were chosen. For each image of the arteriole, a region of interest was delimited around it to exclude areas of interstitial collagen which were not related to the arteriole. Perivascular fibrosis was determined by the ratio between the area occupied by collagen stained with picro-sirius within the region of interest and the area of ​​the lumen. The software Image J was used to calculate the area occupied by the collagen and to mark the regions of interest, and the software Zen (Zeiss, Germany) to calculate the area of ​​the lumen. The images were obtained with a 20x magnifying objective (Eclipse TE 300, Nikon, USA) with a digital camera (AxioCam, Zeiss, Germany).

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: aucune
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0100,003

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 Opus0,059
Tête enseignante GPT0,280
Écart entre enseignants0,221 · 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'étudeSans objet
Domainenon disponible
GenreJeu de données

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

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareMême sujetCardiovascular Function and Risk FactorsTravaux en français237 207