Cardiac Baroreflex Variability and Resetting during Sustained Mild Effort
Notice bibliographique
Résumé
This exploratory study assessed the pattern of closed-loop baroreflex resetting using multi-logistic-curve analysis. Operating point gain and ranges of RR-interval (RRI) and systolic blood pressure (SBP) are derived to examine how these relate to sympathetic activation. Sustained low-intensity isometric handgrip exercise, with a period of post-exercise circulatory occlusion (PECO) provided a model to study baroreflex resetting because the progression towards fatigue at constant tension induces a continuous increase in volitional contribution to neuro-cardiovascular control. Continuous measurements of muscle sympathetic nerve activity (MSNA), blood pressure, and RRI were made simultaneously throughout the experimental session. Spontaneous sequence analysis was used to detect episodes of baroreflex “engagements”, but the results are examined with a view to the fundamental difference between experimental conditions that isolate the carotid sinus (open-loop) and intact physiological conditions (closed-loop). While baroreflex function under open-loop conditions can be described in terms of a single logistic curve, intact physiologic conditions require a family of logistic curves. The results suggest that the baroreflex is in a “floating” state whereby it is continuously resetting during the timeline of the experiment but with minute-by-minute average values that mimic the less complex step-wise resetting pattern reported under open-loop conditions. Furthermore, the results indicate that baroreflex function and resetting of the operating point gain is reflected not in terms of change in the values of blood pressure or RR-interval but in terms of change in the range of values of these variables prevailing under different experimental conditions.
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 | 0,001 |
| 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 ».