Notice bibliographique
Résumé
BACKGROUND: Aortic stiffness is a strong predictor of cardiovascular mortality in various clinical conditions. The aim of this review is to focus on the arterial stiffness gradient, to discuss the integrated role of medium-sized muscular conduit arteries in the regulation of pulsatile pressure and organ perfusion and to provide a rationale for integrating their mechanical properties into risk prediction. SUMMARY: The physiological arterial stiffness gradient results from a higher degree of vascular stiffness as the distance from the heart increases, creating multiple reflective sites and attenuating the pulsatile nature of the forward pressure wave along the arterial tree down to the microcirculation. The stiffness gradient hypothesis simultaneously explains its physiological beneficial effects from both cardiac and peripheral microcirculatory points of view. The loss or reversal of stiffness gradient leads to the transmission of a highly pulsatile pressure wave into the microcirculation. This suggests that a higher degree of stiffness of medium-sized conduit arteries may play a role in protecting the microcirculation from a highly pulsatile forward pressure wave. Using the ratio of carotid-femoral pulse wave velocity (PWV) to carotid-radial PWV, referred to as PWV ratio, a recent study in a dialysis cohort has shown that the PWV ratio is a better predictor of mortality than the classical carotid-femoral PWV. KEY MESSAGES: Theoretically, the use of the PWV ratio seems more logical for risk determination than aortic stiffness as it provides a better estimation of the loss of stiffness gradient, which is the unifying hypothesis that explains the impact of aortic stiffness both on the myocardium and on peripheral organs.
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 | 0,001 |
| 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 | 0,001 |
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 ».