Physiological influence of basic perturbations assessed by non-invasive optical techniques in humans
Notice bibliographique
Résumé
New non-invasive techniques enabling frequent or continuous assessments of various pathophysiological conditions might be used to improve in-hospital outcome by enabling earlier and more reliable bedside detection of medical deterioration. In this preclinical study, three modern non-invasive optical techniques, laser Doppler imaging (LDI), near-infrared spectroscopy (NIRS), and tissue viability imaging (TVI), were all evaluated with respect to the influence of basic physiological perturbations (including local changes in arm positioning, skin temperature, and regional blood flow conditions) on quasi simultaneously obtained values of skin perfusion, muscle tissue oxygenation (StO₂), and skin blood volume, recorded in eighteen healthy volunteers. Skin perfusion measured by LDI responded prominently to changes in positioning of the arm, whereas muscle StO₂ measured by NIRS did not change significantly. Total haemoglobin count (HbT) measured by NIRS and blood volume estimated by TVI both increased significantly on lowering of the limb. On local cooling, the perfusion and blood volume were both found to increase considerably, while StO₂ and HbT did not change. Local heating induced a more than 10-fold increase in skin perfusion and a small increase in blood volume. On progressive venoarterial occlusion, the perfusion, StO₂, HbT, and blood volume values decreased, after transient increases in HbT and blood volume before full arterial occlusion occurred, and all values approached the baseline level on release of the occlusion with a slight overshoot of the StO₂. The results obtained have potential bearing on future utilization of these non-invasive techniques in the management of severely injured and (or) critically ill patients.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».