Assessment of total retinal blood flow using Doppler Fourier Domain Optical Coherence Tomography during systemic hypercapnia and hypocapnia
Notice bibliographique
Résumé
The purpose of this study was to investigate changes in total retinal blood flow (RBF) using Doppler Fourier Domain Optical Coherence Tomography (Doppler FD-OCT) in response to the manipulation of systemic partial pressure of CO2 (PETCO2). Double circular Doppler blood flow scans were captured in nine healthy individuals (mean age ± standard deviation: 27.1 ± 4.1, six males) using the RTVue(™) FD-OCT (Optovue). PETCO2 was manipulated using a custom-designed computer-controlled gas blender (RespirAct(™)) connected to a sequential gas delivery rebreathing circuit. Doppler FD-OCT measurements were captured at baseline, during stages of hypercapnia (+5/+10/+15 mmHg PETCO2), return to baseline and during stages of hypocapnia (-5/-10/-15 mmHg PETCO2). Repeated measures analysis of variance (reANOVA) and Tukey's post hoc analysis were used to compare Doppler FD-OCT measurements between the various PETCO2 levels relative to baseline. The effect of PETCO2 on TRBF was also investigated using linear regression models. The average RBF significantly increased by 15% (P < 0.0001) with an increase in PETCO2 and decreased significantly by 10% with a decrease in PETCO2 (P = 0.001). Venous velocity significantly increased by 3.11% from baseline to extreme hypercapnia (P < 0.001) and reduced significantly by 2.01% at extreme hypocapnia (P = 0.012). No significant changes were found in the average venous area measurements under hypercapnia (P = 0.36) or hypocapnia (P = 0.40). Overall, increased and decreased PETCO2 values had a significant effect on RBF outcomes (P < 0.002). In healthy individuals, altered end-tidal CO2 levels significantly changed RBF as measured by Doppler FD-OCT.
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 ».