MétaCan
Menu
Retour à la cohorte
Enregistrement W2765649639 · doi:10.1007/s12028-017-0472-x

ICP Versus Laser Doppler Cerebrovascular Reactivity Indices to Assess Brain Autoregulatory Capacity

2017· article· en· W2765649639 sur OpenAlexafffund
Frederick A. Zeiler, Joseph E. Donnelly, Danilo Cardim, David Menon, Peter Smielewski, Marek Czosnyka

Notice bibliographique

RevueNeurocritical Care · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueTraumatic Brain Injury and Neurovascular Disturbances
Établissements canadiensUniversity of ManitobaManitoba Health
Organismes subventionnairesKorea Health Industry Development InstituteCambridge Commonwealth TrustManitoba Medical Service FoundationEuropean CommissionNational Institute for Health and Care ResearchUniversity of Manitoba
Mots-clésCorrelationMedicineTranscranial DopplerInternal medicineCerebral blood flowCardiologyCerebral perfusion pressureMean arterial pressureLaser Doppler velocimetryCerebral autoregulationIntracranial pressureAutoregulationPearson product-moment correlation coefficientBlood pressureBlood flowAnesthesiaMathematicsStatisticsHeart rateGeometry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: To explore the relationship between various autoregulatory indices in order to determine which approximate small vessel/microvascular (MV) autoregulatory capacity most accurately. METHODS: Utilizing a retrospective cohort of traumatic brain injury patients (N = 41) with: transcranial Doppler (TCD), intracranial pressure (ICP) and cortical laser Doppler flowmetry (LDF), we calculated various continuous indices of autoregulation and cerebrovascular responsiveness: A. ICP derived [pressure reactivity index (PRx)-correlation between ICP and mean arterial pressure (MAP), PAx-correlation between pulse amplitude of ICP (AMP) and MAP, RAC-correlation between AMP and cerebral perfusion pressure (CPP)], B. TCD derived (Mx-correlation between mean flow velocity (FVm) and CPP, Mx_a-correlation between FVm and MAP, Sx-correlation between systolic flow velocity (FVs) and CPP, Sx_a-correlation between FVs and MAP, Dx-correlation between diastolic flow index (FVd) and CPP, Dx_a-correlation between FVd and MAP], and LDF derived (Lx-correlation between LDF cerebral blood flow [CBF] and CPP, Lx_a-correlation between LDF-CBF and MAP). We assessed the relationship between these indices via Pearson correlation, Friedman test, principal component analysis (PCA), agglomerative hierarchal clustering (AHC), and k-means cluster analysis (KMCA). RESULTS: LDF-based autoregulatory index (Lx) was most associated with TCD-based Mx/Mx_a and Dx/Dx_a across Pearson correlation, PCA, AHC, and KMCA. Lx was only remotely associated with ICP-based indices (PRx, PAx, RAC). TCD-based Sx/Sx_a was more closely associated with ICP-derived PRx, PAx and RAC. This indicates that vascular-derived indices of autoregulatory capacity (i.e., TCD and LDF based) covary, with Sx/Sx_a being the exception, whereas indices of cerebrovascular reactivity derived from pulsatile CBV (i.e., ICP indices) appear to not be closely related to those of vascular origin. CONCLUSIONS: Transcranial Doppler Mx is the most closely associated with LDF-based Lx/Lx_a. Both Sx/Sx-a and the ICP-derived indices appear to be dissociated with LDF-based cerebrovascular reactivity, leaving Mx/Mx-a as a better surrogate for the assessment of cortical small vessel/MV cerebrovascular reactivity. Sx/Sx_a cocluster/covary with ICP-derived indices, as seen in our previous work.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,512
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,087
Tête enseignante GPT0,339
Écart entre enseignants0,252 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations41
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNeurocritical CareMême sujetTraumatic Brain Injury and Neurovascular DisturbancesTravaux en français237 207