MétaCan
Menu
Retour à la cohorte
Enregistrement W4406568992 · doi:10.1101/2025.01.17.633666

Conditioning electrical stimulation enhances functional rewiring in a mouse model of nerve transfer to treat chronic spinal cord injury

2025· preprint· en· W4406568992 sur OpenAlexaff
Juan Sebastián Jara, Marwa H. Soliman, Allan Bernstein, Paola di Grazia, Adam R. Ferguson, Justin M. Brown, Abel Torres‐Espín, Edmund Hollis

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2025
Typepreprint
Langueen
DomaineNeuroscience
ThématiqueNeuroscience and Neural Engineering
Établissements canadiensUniversity of AlbertaUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésStimulationConditioningSpinal cord injuryNeuroscienceSpinal cordFunctional electrical stimulationMedicineAnesthesiaBiology

Résumé

récupéré en direct d'OpenAlex

Abstract Nerve transfer surgery is a state-of-the-art surgical approach to restore hand and arm function in individuals living with tetraplegia, significantly impacting daily life. While nearly a third of all individuals with chronic SCI may benefit from this intervention, variability in outcomes can limit the functional impact. A bedside-to-bench approach was taken to address the variable response of tetraplegic individuals to nerve transfer surgery. We used a hierarchical multiple factor analysis to evaluate the effects of conditioning electrical stimulation (CES) on outcomes in a mouse model of nerve transfer to treat chronic cervical spinal cord injury. We found that CES of donor nerves one week prior to nerve transfer surgery enhanced anatomical and functional measures of innervation of targeted muscles. Furthermore, CES increased the rate of recovery of naturalistic behavior. While the model has some limitations due to the small size of the rodent, our results support the use of CES as an effective approach to improve outcomes in clinical nerve repair settings.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,034
Tête enseignante GPT0,270
Écart entre enseignants0,236 · 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 tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetNeuroscience and Neural EngineeringTravaux en français237 207