Estudo morfológico do Sistema Nervoso Central de cães com Distrofia Muscular do Golden Retriever (GRMD)
Bibliographic record
Abstract
Distrofia muscular de Duchenne é uma desordem neuromuscular causada pela mutação ou deleção do gene da distrofina, a qual é ligada ao cromossomo X. Estudos recentes têm demonstrado o importante papel da distrofina no SNC, sendo sua deficiência relacionada com uma variedade de anormalidades na função do SNC, como comportamento e disfunção cognitiva. Os modelos animais mais adequados para esses estudos são os que apresentam o quadro clinico mais semelhante ao da DMD encontrada em humanos, como cães Golden Retriever com distrofia muscular (GRMD). Por não haver ainda estudos a respeito do SNC de animais GRMD, o objetivo deste trabalho foi analisar a morfologia do encéfalo dos GRMD e o de animais não distróficos, através de análise macroscópica, utilizando métodos de medição e registro fotográfico, e análise microscópica, utilizando a técnica de coloração de violeta cresil modificada. Entretanto, usando a metodologia proposta, não foi possível verificar diferenças significativas no encéfalo quando comparados os animais distróficos e os não distróficos, o que está em concordância com a literatura para a DMD usando os mesmos parâmetros. Em tempo, existe uma variação individual na morfologia do encéfalo do cão, independente de serem animais do grupo de distróficos ou controles. Outras técnicas devem ser aplicadas a fim de elucidar as consequências da ausência total ou parcial da distrofina no SNC
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".