Developing preclinical dog models for reconstructive severed spinal cord continuity via spinal cord fusion technique
Notice bibliographique
Résumé
Background: Spinal cord injury (SCI) is a severe impairment of the central nervous system, leading to motor, sensory, and autonomic dysfunction. The present study investigates the efficacy of the polyethylene glycol (PEG)-mediated spinal cord fusion (SCF) techniques, demonstrating efficacious in various animal models with complete spinal cord transection at the T10 level. This research focuses on a comparative analysis of three SCF treatment models in beagles: spinal cord transection (SCT), vascular pedicle hemisected spinal cord transplantation (vSCT), and vascularized allograft spinal cord transplantation (vASCT) surgical model. Methods: Seven female beagles were included in the SCT surgical model, while four female dogs were enrolled in the vSCT surgical model. Additionally, twelve female dogs underwent vASCT in a paired donor-recipient setup. Three surgical model were evaluated and compared through electrophysiology, imaging and behavioral recovery. Results: >0.05). Neuroimaging analysis across the SCT, vSCT and vASCT surgical models revealed spinal cord graft survival and fiber regrowth across transection sites at 6 months postoperatively. Also, positive MEP waveforms were recorded in all three surgical models at 6-month post-surgery. Conclusion: The study underscores the clinical relevance of PEG-mediated SCF techniques in promoting nerve fusion, repair, and motor functional recovery in SCI. SCT, vSCT, and vASCT, tailored to specific clinical characteristics, demonstrated similar effective therapeutic outcomes.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 ».