The reservoir-wave paradigm introduces error into arterial wave analysis
Notice bibliographique
Résumé
OBJECTIVES: Arterial wave reflection has traditionally been quantified from pressure and flow measurements using wave separation and wave intensity (WI) analysis. In the recently proposed reservoir-wave paradigm, these analyses are performed after dividing pressure into 'reservoir' and 'excess' components, yielding a modified wave intensity (WI(RW)). This new approach has led to controversial conclusions about the nature and significance of arterial wave reflection. Our aim was to assess whether WI or WI(RW) more accurately represent wave phenomena. METHODS: We studied two computer models (a simple network and a full model of the systemic arterial tree) in which all systolic forward waves and reflection properties were known a priori. Results of these models were compared with haemodynamic measurements in the ascending aorta of five adult sheep at baseline and after incremental arterial constriction. RESULTS: The key findings of model studies were that the reservoir-wave approach markedly underestimated or eliminated reflected compression waves, overestimated or artefactually introduced forward and backward expansion waves, and displayed nonphysical interactions between distal reflection sites and early systolic waves. These errors arose because, contrary to a key assumption of the reservoir-wave approach, reservoir pressure was not spatially uniform during systole. In-vivo results were qualitatively similar to model results, with baseline WI and WI(RW) suggesting that the arterial network was dominated by positive and negative wave reflection, respectively, while under all conditions, reflected WI(RW) compression waves were substantially smaller than corresponding WI waves. CONCLUSION: We conclude that the reservoir-wave paradigm introduces error into arterial wave analyses.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
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 ».