MétaCan
Menu
Retour à la cohorte
Enregistrement W2231879110 · doi:10.1364/boe.6.003907

Development of a combined broadband near-infrared and diffusion correlation system for monitoring cerebral blood flow and oxidative metabolism in preterm infants

2015· article· en· W2231879110 sur OpenAlexafffund
Mamadou Diop, Jessica Kishimoto, Vladislav Toronov, David S.C. Lee, Keith St. Lawrence

Notice bibliographique

RevueBiomedical Optics Express · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueOptical Imaging and Spectroscopy Techniques
Établissements canadiensToronto Metropolitan UniversityLondon Health Sciences CentreLawson Health Research InstituteWestern University
Organismes subventionnairesCanadian Institutes of Health ResearchChildren's Health Research InstituteHeart and Stroke Foundation of Canada
Mots-clésCerebral blood flowOxidative metabolismMedicineBlood flowOxygenationNear-infrared spectroscopyPopulationOxygen saturationCardiologyDuctus arteriosusAnesthesiaInternal medicineOxygenMetabolismChemistryBiologyNeuroscience

Résumé

récupéré en direct d'OpenAlex

Neonatal neuromonitoring is a major clinical focus of near-infrared spectroscopy (NIRS) and there is an increasing interest in measuring cerebral blood flow (CBF) and oxidative metabolism (CMRO2) in addition to the classic tissue oxygenation saturation (StO2). The purpose of this study was to assess the ability of broadband NIRS combined with diffusion correlation spectroscopy (DCS) to measured changes in StO2, CBF and CMRO2 in preterm infants undergoing pharmaceutical treatment of patent ductus arteriosus. CBF was measured by both DCS and contrast-enhanced NIRS for comparison. No significant difference in the treatment-induced CBF decrease was found between DCS (27.9 ± 2.2%) and NIRS (26.5 ± 4.3%). A reduction in StO2 (70.5 ± 2.4% to 63.7 ± 2.9%) was measured by broadband NIRS, reflecting the increase in oxygen extraction required to maintain CMRO2. This study demonstrates the applicability of broadband NIRS combined with DCS for neuromonitoring in this patient population.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,287
Écart entre enseignants0,268 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations55
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBiomedical Optics ExpressMême sujetOptical Imaging and Spectroscopy TechniquesTravaux en français237 207