Blood pressure gradients in cerebral arteries: a clue to pathogenesis of cerebral small vessel disease
Notice bibliographique
Résumé
RATIONALE: The role of hypertension in cerebral small vessel disease is poorly understood. At the base of the brain (the 'vascular centrencephalon'), short straight arteries transmit blood pressure directly to small resistance vessels; the cerebral convexity is supplied by long arteries with many branches, resulting in a drop in blood pressure. Hypertensive small vessel disease (lipohyalinosis) causes the classically described lacunar infarctions at the base of the brain; however, periventricular white matter intensities (WMIs) seen on MRI and WMI in subcortical areas over the convexity, which are often also called 'lacunes', probably have different aetiologies. OBJECTIVES: We studied pressure gradients from proximal to distal regions of the cerebral vasculature by mathematical modelling. METHODS AND RESULTS: Blood flow/pressure equations were solved in an Anatomically Detailed Arterial Network (ADAN) model, considering a normotensive and a hypertensive case. Model parameters were suitably modified to account for structural changes in arterial vessels in the hypertensive scenario. Computations predict a marked drop in blood pressure from large and medium-sized cerebral vessels to cerebral peripheral beds. When blood pressure in the brachial artery is 192/113 mm Hg, the pressure in the small arterioles of the posterior parietal artery bed would be only 117/68 mm Hg. In the normotensive case, with blood pressure in the brachial artery of 117/75 mm Hg, the pressure in small parietal arterioles would be only 59/38 mm Hg. CONCLUSION: These findings have important implications for understanding small vessel disease. The marked pressure gradient across cerebral arteries should be taken into account when evaluating the pathogenesis of small WMIs on MRI. Hypertensive small vessel disease, affecting the arterioles at the base of the brain should be distinguished from small vessel disease in subcortical regions of the convexity and venous disease in the periventricular white matter.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».