Relationship Between Brain Pulsatility and Cerebral Perfusion Pressure: Replicated Validation Using Different Drivers of CPP Change
Notice bibliographique
Résumé
Determination of relationships between transcranial Doppler (TCD)-based spectral pulsatility index (sPI) and pulse amplitude (AMP) of intracranial pressure (ICP) in 2 groups of severe traumatic brain injury (TBI) patients (a) displaying plateau waves and (b) with unstable mean arterial pressure (MAP). We retrospectively reviewed patients with severe TBI and continuous TCD monitoring displaying either plateau waves or unstable MAP from 1992 to 1998. We utilized linear and nonlinear regression techniques to describe both cohorts: cerebral perfusion pressure (CPP) versus AMP, CPP versus sPI, mean ICP versus ICP AMP, mean ICP versus sPI, and AMP versus sPI. Nonlinear regression techniques were employed to analyze the relationships with CPP. In plateau wave and unstable MAP patients, CPP versus sPI displayed an inverse nonlinear relationship (R 2 = 0.820 vs. R 2 = 0.610, respectively), with the CPP versus sPI relationship best modeled by the following function in both cases: PI = a + (b/CPP). Similarly, in both groups, CPP versus AMP displayed an inverse nonlinear relationship (R 2 = 0.610 vs. R 2 = 0.360, respectively). Positive linear correlations were displayed in both the plateau wave and unstable MAP cohorts between: ICP versus AMP, ICP versus sPI, AMP versus sPI. There is an inverse relationship through nonlinear regression between CPP versus AMP and CPP versus sPI display. This provides evidence to support a previously-proposed model of TCD pulsatility index. ICP shows a positive linear correlation with AMP and sPI, which is also established between AMP and sPI.
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 | 0,000 | 0,002 |
| 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 ».