Critical Analysis of Cerebrovascular Autoregulation During Repeated Head-Up Tilt
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Cerebrovascular autoregulation has been described with a phase lead of cerebral blood flow preceding changes in cerebral perfusion pressure (CPP), but there has been less focus on the effect of CPP on cerebral vascular resistance. We investigated these relations during spontaneous fluctuations (control) and repeated head-up tilt. METHODS: Eight healthy adults were studied in supine rest and repeated tilt with 10-second supine, 10 seconds at 45 degrees head-up tilt for a total of 12 cycles. Cerebral blood flow was estimated from mean flow velocity (MFV) by transcranial Doppler ultrasound, CPP was estimated from corrected finger pressure (CPP(F)), and cerebrovascular resistance index (CVRi) was calculated in the supine position from CPP(F)/MFV. Gain and phase relations were assessed by cross-spectral analysis. RESULTS: In the supine position, MFV preceded CPP(F), but changes in CVRi followed CPP(F). Gain and phase relations for CPP(F) as input and MFV as output were similar in supine and repeated tilt experiments. Thus, changes in cerebrovascular resistance must have had a similar pattern in the supine and tilt experiments. CONCLUSIONS: Cerebrovascular autoregulation is achieved by changes in resistance in response to modulations in perfusion pressure whether spontaneous or induced by repeated tilt. The phase lead of MFV before CPP(F) is a mathematical and physiological consequence of the relation the input variable (CPP(F)) and the manipulated variable (cerebrovascular resistance) that should not be taken as an indication of independent control of cerebral blood flow.
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 | 0,001 |
| 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 ».