Fundamental relationships between blood pressure and cerebral blood flow in humans
Notice bibliographique
Résumé
Cerebral blood flow responses to transient blood pressure challenges are frequently attributed to cerebral autoregulation (CA), yet accumulating evidence indicates vascular properties like compliance are also influential. We hypothesized that middle cerebral blood velocity (MCAv) dynamics during or following a transient blood pressure perturbation can be accurately explained by the windkessel mechanism. Eighteen volunteers underwent blood pressure manipulations, including bilateral thigh-cuff deflation and sit-to-stand maneuvers under normocapnic and hypercapnic (5% CO2) conditions. Pressure-flow recordings were analyzed using a windkessel analysis approach that partitions the frequency-dependent resistance and compliance contributions to MCAv dynamics. The windkessel was typically able to explain more than 50% of the MCAv variance, as indicated by R(2) values for both the flow recovery and postrecovery phase. The most consistent predictors of MCAv dynamics under the control condition were the windkessel capacitive gain and high-frequency resistive gain. However, there were significant interindividual variations in the composition of windkessel predictors. Hypercapnia consistently reduced the capacitive gain and enhanced the low-frequency (0.04-0.20 Hz) resistive gain for both thigh-cuff deflation and sit-to-stand trials. These findings indicate that 1) MCAv dynamics during acute transient hypotension challenges are dominated by cerebrovascular windkessel properties independent of CA; 2) there is significant heterogeneity in windkessel properties between individuals; and 3) hemodynamic effects of hypercapnia during transient blood pressure challenges primarily reflect changes in windkessel properties rather than pure CA impairment.
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 | 0,001 |
| 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 ».