Chronic lower extremity ischemia: a human model of ischemic tolerance.
Notice bibliographique
Résumé
BACKGROUND: Ischemic preconditioning (IPC) has been found in animals to have a protective effect against future ischemic injury to muscle tissue. Such injury is unavoidable during some surgical procedures. To determine whether chronic ischemia in the lower extremities would imitate IPC and reduce ischemic injury during vascular surgery, we designed a controlled clinical study. PATIENTS AND METHODS: Two groups of patients at a university-affiliated medical centre with chronic lower-extremity ischemia served as models of IPC: 6 patients awaiting femoral distal bypass (FDB) and 4 scheduled for aortobifemoral (ABF) bypass grafting for aortoiliac occlusive disease. Seven patients undergoing elective open repair of an infrarenal abdominal aortic aneurysm (AAA) were chosen as non-IPC controls. Three hematologic indicators of skeletal-muscle injury, lactate dehydrogenase (LDH), creatine kinase (CK) and myoglobin, were measured before placement of the proximal clamp, during surgical ischemia, immediately upon reperfusion, 15 minutes after and 1 hour after reperfusion, and during the first, second and third postoperative days. RESULTS: Baseline markers of skeletal-muscle injury were similar in all groups. In postreperfusion samples, concentrations of muscle-injury markers were significantly lower in the 2 PC groups than in the control group. For example, at day 2, LDH levels were increased by about 30% over baseline measures in the elective AAA (control) group, whereas levels in the FDB and ABF groups remained statistically unchanged from baseline. Myoglobin in controls had increased by 977%, but only by 160% in the FDB and 528% in the ABF groups. CK levels, in a similar trend, were 1432% higher in the control group and only 111% (FDB) and 1029% (ABF) in the study groups. Taken together, these data represent a significant level of protection. CONCLUSIONS: Patients with chronic lower-extremity ischemia suffered less severe ischemic injury after a period of acute ischemia than those with acute ischemia alone. Ischemic preconditioning is one proposed mechanism to help explain this protective effect.
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 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 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».