Visualizing the Propagation of Acute Lung Injury
Notice bibliographique
Résumé
BACKGROUND: Mechanical ventilation worsens acute respiratory distress syndrome, but this secondary "ventilator-associated" injury is variable and difficult to predict. The authors aimed to visualize the propagation of such ventilator-induced injury, in the presence (and absence) of a primary underlying lung injury, and to determine the predictors of propagation. METHODS: Anesthetized rats (n = 20) received acid aspiration (hydrochloric acid) followed by ventilation with moderate tidal volume (V(T)). In animals surviving ventilation for at least 2 h, propagation of injury was quantified by using serial computed tomography. Baseline lung status was assessed by oxygenation, lung weight, and lung strain (V(T)/expiratory lung volume). Separate groups of rats without hydrochloric acid aspiration were ventilated with large (n = 10) or moderate (n = 6) V(T). RESULTS: In 15 rats surviving longer than 2 h, computed tomography opacities spread outward from the initial site of injury. Propagation was associated with higher baseline strain (propagation vs. no propagation [mean ± SD]: 1.52 ± 0.13 vs. 1.16 ± 0.20, P < 0.01) but similar oxygenation and lung weight. Propagation did not occur where baseline strain was less than 1.29. In healthy animals, large V(T) caused injury that was propagated inward from the lung periphery; in the absence of preexisting injury, propagation did not occur where strain was less than 2.0. CONCLUSIONS: Compared with healthy lungs, underlying injury causes propagation to occur at a lower strain threshold and it originates at the site of injury; this suggests that tissue around the primary lesion is more sensitive. Understanding how injury is propagated may ultimately facilitate a more individualized monitoring or management.
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) | 0,000 | 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 ».