Robust noninvasive detection of hyperglycemia in mouse models of metabolic dysregulation using the novel Urination Index biomarker
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Blood glucose is one of the most essential parameters in metabolic research. Yet, accurate blood glucose monitoring in mouse models of diabetes is challenging owing to the substantial stress associated with the measurements and the variability in diabetes development among experimental mouse models. This variability requires frequent blood glucose measurements, which provide only intermittent data and may not accurately reflect continuous metabolic changes. Here, to address these issues, we have utilized the Tecniplast DVC system to monitor bedding moisture, enabling the detection of increased urination (polyuria) in mice, a primary symptom of diabetes. Polyuria is a hallmark of (undiagnosed/untreated) diabetes, and we revealed high correlations between bedding moisture and blood glucose during hyperglycemia. Thus, our developed algorithm enhances animal welfare by reducing the need for invasive blood glucose tests and enabling noninvasive, continuous assessment of hyperglycemia onset, progression and severity directly within the mice's home cage. The continuous monitoring of polyuria allows the detailed analysis of temporal and circadian urination patterns and enables assessment of the efficacy of glucose-lowering interventions, which is critical in developing new pharmacological treatments. We propose that this innovative approach of a novel digital biomarker, the Urination Index, offers a substantial advance in the methodology for diabetes research in mouse models, improves animal welfare by reducing the need for invasive blood glucose tests and enhances the reliability of data and the quality of life for the animals involved.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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 découle