Assessment of intracranial blood flow velocities using a computer controlled vasoactive stimulus: A comparison between phase contrast magnetic resonance angiography and transcranial doppler ultrasonography
Notice bibliographique
Résumé
PURPOSE: To compare measurements of blood flow velocity (BFV) and BFV changes in the middle cerebral arteries (MCA) acquired from phase contrast magnetic resonance angiography (PCMRA) and transcranial Doppler ultrasound (TCD) during controlled manipulation of end-tidal partial pressure of carbon dioxide (PetCO2 ). MATERIALS AND METHODS: In vivo TCD and PCMRA velocity data from the M1 segment in the MCA of nine healthy adult volunteers were acquired during precise targeting of PetCO2 induced by a computer-controlled gas delivery system. Doppler spectra and phase contrast data were processed into time-averaged peak-velocity (TAPV) values for comparison. Changes in velocity between baseline and hypercapnia were analyzed in terms of velocity-based cerebrovascular reactivity (CVR). RESULTS: Good correlation between the pairs of velocity measurements acquired from the two modalities were found (ρ = 0.81), but Bland-Altman analysis indicates a significant bias error. There was relatively weak agreement between the pairs of computed CVR values (ρ = -0.26). CONCLUSION: Under precise PetCO2 control, PCMRA proves to be more consistent than TCD. Despite issues with variability, TCD is qualitatively comparable to PCMRA measures of velocity in the MCA. However, PCMRA velocity results are better suited for analyses that require quantitative values, such as CVR.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| 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 ».