Use of Factor Analysis to Characterize Arterial Geometry and Predict Hemodynamic Risk: Application to the Human Carotid Bifurcation
Notice bibliographique
Résumé
The detailed geometry of atherosclerosis-prone vascular segments may influence their susceptibility by mediating local hemodynamics. An appreciation of the role of specific geometric variables is complicated by the considerable correlation among the many parameters that can be used to describe arterial shape and size. Factor analysis is a useful tool for identifying the essential features of such an inter-related data set, as well as for predicting hemodynamic risk in terms of these features and for interpreting the role of specific geometric variables. Here, factor analysis is applied to a set of 14 geometric variables obtained from magnetic resonance images of 50 human carotid bifurcations. Two factors alone were capable of predicting 12 hemodynamic metrics related to shear and near-wall residence time with adjusted squared Pearson's correlation coefficient as high as 0.54 and P-values less than 0.0001. One factor measures cross-sectional expansion at the bifurcation; the other measures the colinearity of the common and internal carotid artery axes at the bifurcation. The factors explain the apparent lack of an effect of branch angle on hemodynamic risk. The relative risk among the 50 bifurcations, based on time-average wall shear stress, could be predicted with a sensitivity and specificity as high as 0.84. The predictability of the hemodynamic metrics and relative risk is only modestly sensitive to assumptions about flow rates and flow partitions in the bifurcation.
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 | 0,001 |
| 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 ».