MétaCan
Menu
Retour à la cohorte
Enregistrement W2067474469 · doi:10.1155/2012/791686

Therapeutic Vascular Compliance Change May Cause Significant Variation in Coronary Perfusion: A Numerical Study

2012· article· en· W2067474469 sur OpenAlexaff
Soroush Nobari, Rosaire Mongrain, Emmanuel Gaillard, Richard L. Leask, Raymond Cartier

Notice bibliographique

RevueComputational and Mathematical Methods in Medicine · 2012
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiovascular Function and Risk Factors
Établissements canadiensMcGill UniversityMontreal Heart Institute
Organismes subventionnairesnon disponible
Mots-clésCardiologyInternal medicineMedicineAortic valvePerfusionCoronary arteriesAortic rootCompliance (psychology)AortaArtery

Résumé

récupéré en direct d'OpenAlex

In some pathological conditions like aortic stiffening and calcific aortic stenosis (CAS), the microstructure of the aortic root and the aortic valve leaflets are altered in response to stress resulting in changes in tissue thickness, stiffness, or both. This aortic stiffening and CAS are thought to affect coronary blood flow. The goal of the present paper was to include the flow in the coronary ostia in the previous fluid structure interaction model we have developed and to analyze the effect of diseased tissues (aortic root stiffening and CAS) on coronary perfusion. Results revealed a significant impact on the coronary perfusion due to a moderate increase in the aortic wall stiffness and CAS (increase of the aortic valve leaflets thickness). A marked drop of coronary peak velocity occurred when the values of leaflet thickness and aortic wall stiffness were above a certain threshold, corresponding to a threefold of their normal value. Consequently, mild and prophylactic treatments such as smoking cessation, exercise, or diet, which have been proven to increase the aortic compliance, may significantly improve the coronary perfusion.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,186
Tête enseignante GPT0,435
Écart entre enseignants0,249 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations21
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueComputational and Mathematical Methods in MedicineMême sujetCardiovascular Function and Risk FactorsTravaux en français237 207