MétaCan
Menu
Retour à la cohorte
Enregistrement W7116713814 · doi:10.1002/vetr.70227

Sensory profile of cats with potential pain‐related diabetic neuropathy

2025· article· en· W7116713814 sur OpenAlexaff
Hélène L. M. Ruel, Vanessa Bruneau, Bérénice Conversy, Sabrine Marangoni, Paulo V. Steagall

Notice bibliographique

RevueVeterinary Record · 2025
Typearticle
Langueen
DomaineMedicine
ThématiquePain Mechanisms and Treatments
Établissements canadiensUniversité de MontréalCentre Hospitalier de l’Université de MontréalCegep de Saint Hyacinthe
Organismes subventionnairesnon disponible
Mots-clésHypoalgesiaCATSSensory neuropathySensory systemDiabetic neuropathySensory loss

Résumé

récupéré en direct d'OpenAlex

Abstract Background Diabetes mellitus (DM) can cause peripheral neuropathy. This study aimed to evaluate sensory function by measuring the mechanical nociceptive thresholds (MNT) and diffuse noxious inhibitory control (DNIC) of cats with diabetes mellitus (DM cats ). Methods Eight cats with DM and 12 healthy controls were included in a prospective, randomised study. MNT were measured by applying pressure against the metatarsal pad (MNT bio ). MNT were also measured using a mechanical actuator attached to one of the cat's pelvic limbs (MNT top ). The DNIC was assessed by comparing MNT top before and after a conditioning stimulus. Results MNT bio of the controls were significantly lower (2.1 ± 0.7 N) than those of DM cats (3.6 ± 1.2 N). DNIC and MNT top were not different between groups. Limitations This study had a small cohort of patients and an MNT cut‐off to prevent injuries. Conclusion DM cats showed hypoalgesia and loss of sensory function. This study could not differentiate DNIC between healthy and those with DM.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,638
Score d'incertitude au seuil0,443

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,013
Tête enseignante GPT0,251
Écart entre enseignants0,238 · 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 revueVeterinary RecordMême sujetPain Mechanisms and TreatmentsTravaux en français237 207