MétaCan
Menu
Retour à la cohorte
Enregistrement W4409699307 · doi:10.22215/cujs.v3i2.5123

Inter-Rater Variability in Nocifensive Behaviour Testing of Rodents

2025· article· en· W4409699307 sur OpenAlexaff
Emma-Lee Procher, Elaine Marshall, Emma Bondar, Annemarie Dedek, Michael E. Hildebrand

Notice bibliographique

RevueCarleton undergraduate journal of science. · 2025
Typearticle
Langueen
DomaineVeterinary
ThématiqueAnimal Behavior and Welfare Studies
Établissements canadiensDalhousie UniversityCarleton University
Organismes subventionnairesnon disponible
Mots-clésNeurosciencePsychology

Résumé

récupéré en direct d'OpenAlex

Chronic pain is a critical health problem with a need for new effective treatments. Nocifensive behaviour testing is used to evaluate animal responses to noxious or painful stimuli and is important in basic pain research for understanding pain mechanisms and developing new treatments. A major problem with this technique, however, is that there can be large differences in baseline measurements even when the same sex and strain of rodent is used. We posit that these differences may be due to variation between testers. This project explored factors that contribute to potential inter-rater variability observed in nocifensive behaviour. Adult Sprague Dawley rats underwent evoked somatosensory testing using von Frey filaments and the simplified up-down (SUDO) approach with two different testers, while other environmental conditions such as location, testing time, and acclimation periods were carefully controlled for. The paw withdrawal threshold between testers was different with baseline scores ranging from 3 g to 18.5 g for individual rats. These results suggest that most observed variation in behavioural outcomes is due to tester differences relative to any other factors. Tester differences that could contribute to this variation include sex, genetics, or odour. These results highlight the importance of maintaining one tester for a series of experiments. We conclude that inter-rater variability is an important factor that must be considered when conducting von Frey nocifensive behaviour testing.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,104
Score d'incertitude au seuil0,549

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,051
Tête enseignante GPT0,354
Écart entre enseignants0,302 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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 revueCarleton undergraduate journal of science.Même sujetAnimal Behavior and Welfare StudiesTravaux en français237 207