MétaCan
Menu
Retour à la cohorte
Enregistrement W2786305369

Numerical investigation of angulation effects in stenosed renal arteries.

2014· article· en· W2786305369 sur OpenAlexaff
Zahra Mortazavinia, Sina Arabi, Alireza Mehdizadeh

Notice bibliographique

RevuePubMed · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueRenal and Vascular Pathologies
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésRenal arteryBlood flowPulsatile flowKidneyMedicineRenal blood flowStreamlines, streaklines, and pathlinesAnatomyRight Renal ArteryRenal artery stenosisAbdominal aortaInternal medicineCardiologyAortaRadiologyMechanicsPhysics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Numerical study of angulation effects of renal arteries on blood flow has been of great interest for many researchers. Objective : This paper aims at numerically determining the angulation effects of stenosed renal arteries on blood flow velocity and renal mass flow. METHOD: An anatomically realistic model of abdominal aorta and renal arteries is reconstructed from CT-scan images and used to conduct numerical simulation of pulsatile non-Newtonian blood flow incorporating fluid-structure interaction. The renal arteries in the realistic model have left and right branch angles of 53˚ and 45˚, respectively. Atrapezium shape stenosis is considered in the entrance of right renal artery. Two other branch angles, i.e. 90 and 135˚, are also considered for right renal artery to study the angulation effects. RESULTS: Comparison between models with right renal branch angles of 45˚, 90˚ and 135˚ reveals that high curvature of streamlines in the entrance of the renal artery with the angle of 135˚ causes the flow velocity and renal mass flow to be less than those of 45˚and 90˚. CONCLUSION: It is concluded that large renal branch angles cause the arteries to be unable to deliver blood in the requisite amounts to kidney. Kidney responds to counteract low blood flow by activating the renin-angiotension system which leads to severe hypertension.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,364
Score d'incertitude au seuil0,166

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,018
Tête enseignante GPT0,218
Écart entre enseignants0,200 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations10
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetRenal and Vascular PathologiesTravaux en français237 207