Impact of Long-Term Storage on Mid-Infrared Spectral Patterns of Serum and Synovial Fluid of Dogs with Osteoarthritis
Notice bibliographique
Résumé
Mid-infrared spectral (MIR) patterns of serum and synovial fluid (SF) are candidate biomarkers of osteoarthritis (OA). The impact of long-term storage on MIR spectral patterns was previously unknown. MIR spectra of canine serum (52 knee-OA, 49 control) and SF (51 knee-OA, 51 control) were obtained after short-term and long-term storage in −80 °C. Multilevel simultaneous component analysis and partial least squares discriminant analysis were used to evaluate the effect of time and compare the performance of predictive models for discriminating OA from controls. The median interval of storage between sample measurements was 5.7 years. Spectra obtained at two time points were significantly different (p < 0.0001); however, sample aging accounted for only 1.61% and 2.98% of the 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, they were 92.5 ± 2.6%, 97.1 ± 1.7%, and 94.8 ± 1.4%, respectively. Predictive models of short-term stored SF spectra had 97.3 ± 1.6% sensitivity, 89.4 ± 2.6% specificity, and 93.4 ± 1.6% accuracy, while for long-term storage they were 95.7 ± 2.1%, 95.7 ± 0.8%, and 95.8 ± 1.1%, respectively. Long-term storage of serum and SF resulted in significant differences in MIR spectral variables without significantly altering the performance of predictive algorithms for discriminating OA 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 | 0,002 |
| 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) | 0,000 | 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 ».