Noninvasive Measurement of Cerebral Blood Flow Under Anesthesia Using Arterial Spin Labeling MRI: A Pilot Study
Notice bibliographique
Résumé
BACKGROUND: Cerebral ischemia plays a major role in pathophysiology of the injured brain. Most of the currently available methods of cerebral blood flow (CBF) monitors are either indirect measure of CBF or needing radioactive agents for data acquisition. Arterial spin labeling magnetic resonance imaging (ASL-MRI) is a noninvasive method of measuring CBF. The aim of our study was to determine the differences in the CBF values between propofol and sevoflurane anesthesia using ASL-MRI technique in mechanically ventilated patients with cerebrovascular disease. METHODS: After ethics board approval and informed consent, we measured CBF in 4 patients with moyamoya disease, using a pseudo-continuous 3D ASL sequence available on a 3.0 T MRI scanner. Patients were anesthetized first with sevoflurane (1 MAC) and then anesthesia was converted to total intravenous anesthesia with propofol (100 to 125 μg/kg/min). When the patient was in a steady state with respect to anesthesia and normocapnia (baseline PETCO2), CBF was measured under both sevoflurane and propofol anesthesia. RESULTS: Quantitative estimation of both global and regional CBF was successfully performed in all patients. The mean global CBF in gray and white matter of all patients under propofol anesthesia were 38.4 and 31.6 mL/100 g/min, respectively. Similar values under sevoflurane anesthesia were 56.6 mL/100 g/min for gray matter and 42.5 mL/100 g/min for white matter. CONCLUSIONS: ASL-MRI is a feasible, noninvasive method of quantitative estimation of global and regional CBF in mechanically ventilated patients under anesthesia. In this pilot study CBF was consistently greater with sevoflurane than with propofol.
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) | 0,001 | 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 ».