Distribution of blood flow velocity in the normal aorta: Effect of age and gender
Notice bibliographique
Résumé
PURPOSE: To apply flow distribution analysis in the entire aorta across a wide age range from pediatric to adult subjects. MATERIAL AND METHODS: In all, 98 healthy subjects (age 9-78 years, 41 women) underwent 4D flow MRI at 1.5T and 3T for the assessment of 3D blood flow in the thoracic aorta. Subjects were categorized into age groups: group 1 (n = 9, 5 women): 9-15 years; group 2 (n = 13, 8 women): 16-20 years; group 3 (n = 27, 14 women): 21-39 years; group 4 (n = 40, 11 women): 40-59 years; group 5 (n = 9, 3 women): >60 years. Data analysis included the 3D segmentation of the aorta, aortic valve peak velocity, mid-ascending aortic diameter, and calculation of flow velocity distribution descriptors (mean, median, standard deviation, incidence of velocities >1 m/s, skewness, and kurtosis of aortic velocity magnitude). Ascending aortic diameter was normalized by body surface area. RESULTS: Age was significantly associated with normalized aortic diameter (R = 0.73, P < 0.001), skewness (R = 0.76, P < 0.001), and kurtosis (R = 0.74, P < 0.001), all adjusted by heart rate. Aortic peak velocity and velocity distribution descriptors, adjusted by heart rate, were significantly different between age groups (P < 0.001, analysis of covariance). Skewness and kurtosis significantly increased (P < 0.001) during adulthood (>40 years) as compared with childhood (<21 years). Men and women revealed significant differences (P ≤ 0.05) for peak velocity, incidence, mean, median, standard deviation, and skewness, all adjusted by heart rate. CONCLUSION: Aortic hemodynamics significantly change with age and gender, indicating the importance of age- and gender-matched control cohorts for the assessment of the impact of cardiovascular disease on aortic blood flow. LEVEL OF EVIDENCE: 3 Technical Efficacy: Stage 5 J. Magn. Reson. Imaging 2018;47:487-498.
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 | 0,000 |
| 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 ».