Impact of Incremental Perfusion Loss on Oxygen Transport in a Capillary Network Mathematical Model
Notice bibliographique
Résumé
OBJECTIVES: To quantify how incremental capillary PL, such as that seen in experimental models of sepsis, affects tissue oxygenation using a computation model of oxygen transport. METHODS: A computational model was applied to capillary networks with dimensions 84 × 168 × 342 (NI) and 70 × 157 × 268 (NII) μm, reconstructed in vivo from rat skeletal muscle. FCD loss was applied incrementally up to ~40% and combined with high tissue oxygen consumption to simulate severe sepsis. RESULTS: A loss of ~40% FCD loss decreased median tissue PO2 to 22.9 and 20.1 mmHg in NI and NII compared to 28.1 and 27.5 mmHg under resting conditions. Increasing RBC SR to baseline levels returned tissue PO2 to within 5% of baseline. HC combined with a 40% FCD loss, resulted in tissue anoxia in both network volumes and median tissue PO2 of 11.5 and 8.9 mmHg in NI and NII respectively; median tissue PO2 was recovered to baseline levels by increasing total SR 3-4 fold. CONCLUSIONS: These results suggest a substantial increase in total SR is required in order to compensate for impaired oxygen delivery as a result of loss of capillary perfusion and increased oxygen consumption during sepsis.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».