Notice bibliographique
Résumé
The kidney displays highly efficient autoregulation so that under steady-state conditions renal blood flow (RBF) is independent of blood pressure over a wide range of pressure. Autoregulation occurs in the preglomerular microcirculation and is mediated by two, perhaps three, mechanisms. The faster myogenic mechanism and the slower tubuloglomerular feedback contribute both directly and interactively to autoregulation of RBF and of glomerular capillary pressure. Multiple experiments have been used to study autoregulation and can be considered as variants of two basic designs. The first measures RBF after multiple stepwise changes in renal perfusion pressure to assess how a biological condition or experimental maneuver affects the overall pressure-flow relationship. The second uses time-series analysis to better understand the operation of multiple controllers operating in parallel on the same vascular smooth muscle. There are conceptual and experimental limitations to all current experimental designs so that no one design adequately describes autoregulation. In particular, it is clear that the efficiency of autoregulation varies with time and that most current techniques do not adequately address this issue. Also, the time-varying and nonadditive interaction between the myogenic mechanism and tubuloglomerular feedback underscores the difficulty of dissecting their contributions to autoregulation. We consider the modulation of autoregulation by nitric oxide and use it to illustrate the necessity for multiple experimental designs, often applied iteratively.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».