In Vivo Venous Assessment of Red Blood Cell Aggregate Sizes in Diabetic Patients with a Quantitative Cellular Ultrasound Imaging Method: Proof of Concept
Notice bibliographique
Résumé
BACKGROUND: Diabetic patients present higher level of red blood cell (RBC) aggregation contributing to the development of vascular complications. While it has been suggested that this hematology/rheology parameter could bring additional prognostic information for the management of those patients, RBC aggregation screening is not included as a clinical practice. Most medical centers are not equipped to measure properly this parameter, although sedimentation tests can bring some indication. Here, we aimed at evaluating the feasibility of using ultrasound to assess in-vivo hyper-aggregation in type 2 diabetic patients. RESEARCH DESIGN AND METHODS: Seventeen diabetic patients and 15 control subjects underwent ultrasound measurements of RBC aggregation in both cephalic and great saphenous veins. Non-invasive in-vivo ultrasound measurements were performed using a newly developed cellular imaging technique, the structure factor size and attenuation estimator (SFSAE). Comparisons with an ex-vivo gold standard rheometry technique were done, along with measurements of pro-aggregating plasma molecule concentrations. RESULTS: In-vivo RBC aggregation was significantly higher in diabetic patients compared with controls for cephalic vein measurements, while a trend (p = 0.055) was noticed in the great saphenous vein. SFSAE measurements were correlated with gold standard in-vitro measures, fibrinogen and C-reactive protein plasma concentrations. CONCLUSION: RBC aggregation can be measured in-vivo in diabetic patients using ultrasound. Prospective studies are needed to determine whether the SFSAE method could help clinicians in the early management of vascular complications in this patient population.
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 | 0,000 |
| 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 ».