Neuroimaging Assessment of Cerebrovascular Reactivity in Concussion: Current Concepts, Methodological Considerations, and Review of the Literature
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Concussion is a form of traumatic brain injury (TBI) that presents with a wide spectrum of subjective symptoms and few objective clinical findings. Emerging research suggests that one of the processes that may contribute to concussion pathophysiology is dysregulation of cerebral blood flow (CBF) leading to a mismatch between CBF delivery and the metabolic needs of the injured brain. Cerebrovascular reactivity (CVR) is defined as the change in CBF in response to a measured vasoactive stimulus. Several magnetic resonance imaging (MRI) techniques can be used as a surrogate measure of CBF in clinical and laboratory studies. In order to provide an accurate assessment of CVR, these sequences must be combined with a reliable, reproducible vasoactive stimulus that can manipulate CBF. Although CVR imaging currently plays a crucial role in the diagnosis and management of many cerebrovascular diseases, only recently have studies begun to apply this assessment tool in patients with concussion. In order to evaluate the quality, reliability, and relevance of CVR studies in concussion, it is important that clinicians and researchers have a strong foundational understanding of the role of CBF regulation in health, concussion, and more severe forms of TBI, and an awareness of the advantages and limitations of currently available CVR measurement techniques. Accordingly, in this review, we (1) discuss the role of CVR in TBI and concussion, (2) examine methodological considerations for MRI-based measurement of CVR, and (3) provide an overview of published CVR studies in concussion patients.
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.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 découle