MétaCan
Menu
Retour à la cohorte
Enregistrement W1512474191 · doi:10.1002/cnm.2717

A unified method for estimating pressure losses at vascular junctions

2015· article· en· W1512474191 sur OpenAlexaff
Kristian Valen‐Sendstad

Notice bibliographique

RevueInternational Journal for Numerical Methods in Biomedical Engineering · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueHemodynamic Monitoring and Therapy
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNational Health and Medical Research Council
Mots-clésPressure vesselMechanicsComputer scienceMaterials scienceBiomedical engineeringEngineeringPhysicsMechanical engineering

Résumé

récupéré en direct d'OpenAlex

In reduced-order (0D/1D) blood or respiratory flow models, pressure losses at junctions are usually neglected. However, these may become important where velocities are high and significant flow redirection occurs. Current methods for estimating losses rely on relatively complex empirical equations that are only valid for specific junction geometries and flow regimes. In pulsatile multi-directional flows, switching between empirical equations upon reversing flow may introduce unrealistic discontinuities in simulated haemodynamic waveforms. Drawing from work by Bassett et al. (SAE Trans 112:565-583, 2003), we therefore developed a unified method (Unified0D) for estimating loss coefficients that can be applied to any junction (i.e. any number of branches at any angle) and any flow regime. Discontinuities in simulated waveforms were avoided by extending Bassett et al.'s control volume-based method to incorporate a 'pseudodatum' supplier branch, an imaginary effective vessel containing all inflow to the junction. Energy exchange between diverging flow streams was also accounted for empirically. The formulation was validated using high resolution computational fluid dynamics in a wide range flow conditions and junction configurations. In a pulsatile 1D simulation exhibiting transitions between four different flow regimes, the new formulation produced smooth transitions in calculated pressure losses.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,050
Tête enseignante GPT0,446
Écart entre enseignants0,397 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations56
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Numerical Methods in Biomedical EngineeringMême sujetHemodynamic Monitoring and TherapyTravaux en français237 207