Coupled Computational Analysis of Arterial LDL Transport -- Effects of Hypertension
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Hypertension, a risk factor for atherosclerosis, increases the uptake of low density lipoproteins (LDL) by the arterial wall. Our objective in this work was to use computational modeling to identify physical factors that could be partially responsible for this effect. Fluid flow and mass transfer patterns in the lumen and wall of an arterial model were computed in a coupled manner, replicating as closely as possible previous experimental studies in which LDL uptake into the artery wall was measured in straight, excised arterial segments. Under conditions of both flow and no-flow, simulations predicted an increase in concentration polarization of LDL at the artery wall when arterial pressure was increased from 120 to 160 mmHg. However, this led to only a slight increase in mean LDL concentration within the arterial wall. However, if the permeability of the endothelium to LDL was allowed to vary with intra-arterial pressure, then the simulations predicted that the uptake of LDL would be enhanced 1.9-2.6 fold at higher pressure. The magnitude of this increase was consistent with experimental data. We conclude that the concentration polarization effects, enhanced by elevated intra-arterial pressure, cannot explain the increase in LDL uptake seen under hypertensive conditions. Instead, the data are most consistent with a pressure-linked increase in endothelial permeability to LDL.
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.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| 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 découle