Cardiac Bidomain Bath-Loading Effects during Arrhythmias: Interaction with Anatomical Heterogeneity
Notice bibliographique
Résumé
Cardiac tissue is always surrounded by conducting fluid, both in vivo (blood) and in experimental preparations (Tyrode's solution), which acts to increase conduction velocity (CV) close to the tissue-fluid interface, inducing transmural wavefront curvature. Despite its potential importance, computer modeling studies focused on arrhythmia mechanisms have previously not accounted for these bath-loading effects. Here, we investigate the increase in CV and concomitant change in transmural wavefront profiles upon both propagation and arrhythmia dynamics within models of differing anatomical complexity. In simplified slab models, in absence of transmural fiber rotation, bath-loading induced transmural wavefront curvature dominates, significantly increasing arrhythmia complexity compared to no bath. In the presence of fiber rotation, bath-loading effects are less striking and depend upon propagation direction: the bath accentuates natural concave curvature caused by transmurally rotating fibers, but attenuates convex curvature, which negates overall impact upon arrhythmia complexity. Finally, we demonstrate that the high degree of anatomical complexity within whole ventricular models modulates bath-loading induced transmural wavefront curvature. However, key is the increased surface CV that dramatically reduces both arrhythmia inducibility and resulting complexity by increasing wavelength and reducing the available excitable gap. Our findings highlight the importance of including bath-loading effects during arrhythmia mechanism investigations, which could have implications for interpreting and comparing simulation results with experimental data where such effects are inherently present.
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) | 0,001 | 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 | 0,001 |
| 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 ».