Efficacy of Parallel Capillary Arrays in Modelling Oxygen Transport in Discrete Microvascular Networks
Notice bibliographique
Résumé
Parallel Capillary Array (PCA) models have frequently been used to model oxygen transport in the microvasculature. Our objective was to compare digitally Reconstructed Microvascular Networks (RMN) to PCA models under several simulated physiological conditions. Two discrete networks were reconstructed from intra-vital video microscopy of rat skeletal muscle (volumes of interest 84x168x342 μm and 70x157x268 μm). Blood flow in individual capillaries was analyzed and measurements for velocity, hematocrit and oxygen saturation were recorded in the majority of vessels. Flow was modeled for each RMN and adjusted to match velocity profiles measured experimentally. Geometric analysis of the RMNs was used to create equivalent PCAs that were matched in volumetric dimension, vascular density and mean capillary diameter. A computational model of O2 transport was used to compare RMN to PCA models under 3 conditions (Baseline, 2X Increased Flow & O2 Consumption, and 37% Functional Capillary Density Loss). O2 supply rate was equalized between the RMN and paired PCA in each of the three conditions. Mean percent tissue pO2 difference between the RMN and PCA was −11.9 ± 0.9% at baseline, −13.5 ± 0.4% with increased flow and consumption and −50.8 ± 34.9% with perfusion loss. This suggests that under some conditions PCA models do not suitably represent microvascular geometry when applied to oxygen transport modeling. Funded by CIHR
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».