MétaCan
Menu
Retour à la cohorte
Enregistrement W2081331986 · doi:10.1111/apha.12302

Assessment of human baroreflex function using carotid ultrasonography: what have we learnt?

2014· review· en· W2081331986 sur OpenAlexaff
Chloe E. Taylor, Chris K. Willie, Philip N. Ainslie, Y.‐C. Tzeng

Notice bibliographique

RevueActa Physiologica · 2014
Typereview
Langueen
DomaineMedicine
ThématiqueHeart Rate Variability and Autonomic Control
Établissements canadiensUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésBaroreflexBlood pressureMedicineCardiologyHeart rateUltrasoundInternal medicineRadiology

Résumé

récupéré en direct d'OpenAlex

The arterial baroreflex is critical to both short- and long-term regulation of blood pressure. However, human baroreflex research has been largely limited to the association between blood pressure and cardiac period (or heart rate) or indices of vascular sympathetic function. Over the past decade, emerging techniques based on carotid ultrasound imaging have allowed new means of understanding and measuring the baroreflex. In this review, we describe the assessment of the mechanical and neural components of the baroreflex through the use of carotid ultrasound imaging. The mechanical component refers to the change in carotid artery diameter in response to changes in arterial pressure, and the neural component refers to the change in R-R interval (cardiac baroreflex) or muscle sympathetic nerve activity (sympathetic baroreflex) in response to this barosensory vessel stretch. The key analytical concepts and techniques are discussed, with a focus on the assessment of baroreflex sensitivity via the modified Oxford method. We illustrate how the application of carotid ultrasound imaging has contributed to a greater understanding of baroreflex physiology in humans, covering topics such as ageing and diurnal variation, and physiological challenges including exercise, postural changes and mental stress.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,981
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,105
Tête enseignante GPT0,404
Écart entre enseignants0,299 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations23
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueActa PhysiologicaMême sujetHeart Rate Variability and Autonomic ControlTravaux en français237 207