Self-directed reaching and grasping rehabilitation using automatic pellet presentation system after cervical dorsolateral quadrant injury in female rats
Notice bibliographique
Résumé
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 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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 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) | 0,002 | 0,001 |
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 ».