MétaCan
Menu
Retour à la cohorte
Enregistrement W1782783105 · doi:10.1152/jappl.2000.89.4.1636

Wave-intensity analysis: a new approach to coronary hemodynamics

2000· article· en· W1782783105 sur OpenAlexaff
Yi-Hui Sun, Todd J. Anderson, Kim H. Parker, John V. Tyberg

Notice bibliographique

RevueJournal of Applied Physiology · 2000
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiovascular Function and Risk Factors
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésCardiologyInternal medicineMedicineVentricleHemodynamics

Résumé

récupéré en direct d'OpenAlex

In 10 anesthetized dogs, we measured high-fidelity left circumflex coronary (P(LCx)), aortic (P(Ao)), and left ventricular (P(LV)) pressures and left circumflex velocity (U(LCx); Doppler) and used wave-intensity analysis (WIA) to identify the determinants of P(LCx) and U(LCx). Dogs were paced from the right atrium (control 1) or right ventricle by use of single (control 2) and then paired pacing to evaluate the effects of left ventricular contraction on P(LCx) and U(LCx). During left ventricular isovolumic contraction, P(LCx) exceeded P(Ao), paired pacing increasing the difference. Paired pacing increased DeltaP(X) (the P(LCx)-P(Ao) difference at the P(Ao)-P(LV) crossover) and average dP(LCx)/dt (P < 0.0001 for both). During this time, WIA identified a backward-going compression wave (BCW) that increased P(LCx) and decreased U(LCx); the BCW increased during paired pacing (P < 0.0001). After the aortic valve opened, the increase in P(Ao) caused a forward-going compression wave that, when it exceeded the BCW, caused U(LCx) to increase, despite P(LV) and (presumably) elastance continuing to increase. Thus WIA identifies the contributions of upstream (aortic) and downstream (microcirculatory) effects on P(LCx) and U(LCx).

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,015
Tête enseignante GPT0,237
Écart entre enseignants0,221 · 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'étudeExpérimental (laboratoire)
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

Citations118
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied PhysiologyMême sujetCardiovascular Function and Risk FactorsTravaux en français237 207