MétaCan
Menu
Retour à la cohorte
Enregistrement W6909326823 · doi:10.34945/f5zw20

Self-directed reaching and grasping rehabilitation using automatic pellet presentation system after cervical dorsolateral quadrant injury in female rats

2021· dataset· en· W6909326823 sur OpenAlexaff

Notice bibliographique

RevueUC San Diego · 2021
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensWomen and Children’s Health Research InstituteUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésRehabilitationSpinal cord injuryForelimbClinical trialPresentation (obstetrics)Randomized controlled trialBiomechanicsFacilitation

Résumé

récupéré en direct d'OpenAlex

STUDY PURPOSE: This data was collected as part of a study on the advantages of self-directed rehabilitation reaching and grasping training by using an automatic pellet presentation (APP) system. The goal of the study was to understand the factors that determine better rehabilitation-induced recovery in forelimb motor function after cervical spinal cord injury in rats exposed to the APP training system. DATA COLLECTED: The dataset contains data from 19 unique female Lewis rats with a unilateral dorsolateral quadrant section injury at cervical level C4. Animals were exposed to the APP system up to 2 months before injury and up to 2 months after rehabilitation onset one week after injury. Metrics in the data include the number of trials the animal performs in the APP system (number of attempts to reach a pellet) per day, the number of trials that are failed per day, the number of trials the animal reached but dropped per day, and the number of trials that the animals successfully reaches and grasps per day. Summary metrics includes cumulated values per day and averages at baseline (last 2 weeks of training before injury), rehabilitation onset (3 first days of rehabilitation) and rehabilitation final (last week of rehabilitation period). Summary measures of injury are included. Principal component scores for the first 3 components resulting from a non-linear principal component analysis on the summary metrics are also included, as well as the results of a k-mean clustering analysis. DATA USAGE NOTES: The analysis of this data shown in the originating publication indicates that both intensity and amount of training is one of the major factors influencing recovery induced by performing the single pellet task with the APP system. However, the analysis also indicate that rehabilitation training becomes progressively less efficient as both the amount and intensity of rehabilitation training increases.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: aucune
Score de désaccord entre enseignants0,861
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
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 Opus0,014
Tête enseignante GPT0,286
Écart entre enseignants0,272 · 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'étudeSans objet
Domainenon disponible
GenreJeu de données

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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUC San DiegoTravaux en français237 207