MétaCan
Menu
Retour à la cohorte
Enregistrement W2789084681 · doi:10.1038/s41598-018-21038-0

Human subarachnoid space width oscillations in the resting state

2018· article· en· W2789084681 sur OpenAlexaff
Marcin Gruszecki, Gemma Lancaster, Aneta Stefanovska, J. Patrick Neary, Ryan T. Dech, Wojciech Gumiński, Andrzej F. Frydrychowski, Jacek Kot, Paweł J. Winklewski

Notice bibliographique

RevueScientific Reports · 2018
Typearticle
Langueen
DomaineNeuroscience
ThématiqueCerebrospinal fluid and hydrocephalus
Établissements canadiensUniversity of Regina
Organismes subventionnairesEconomic and Social Research CouncilEngineering and Physical Sciences Research Council
Mots-clésSubarachnoid spaceTransilluminationSIGNAL (programming language)MedicineNuclear magnetic resonanceBiomedical engineeringPattern recognition (psychology)Computer scienceCerebrospinal fluidPathologyPhysicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Abnormal cerebrospinal fluid (CSF) pulsatility has been implicated in patients suffering from various diseases, including multiple sclerosis and hypertension. CSF pulsatility results in subarachnoid space (SAS) width changes, which can be measured with near-infrared transillumination backscattering sounding (NIR-T/BSS). The aim of this study was to combine NIR-T/BSS and wavelet analysis methods to characterise the dynamics of the SAS width within a wide range of frequencies from 0.005 to 2 Hz, with low frequencies studied in detail for the first time. From recordings in the resting state, we also demonstrate the relationships between SAS width in both hemispheres of the brain, and investigate how the SAS width dynamics is related to the blood pressure (BP). These investigations also revealed influences of age and SAS correlation on the dynamics of SAS width and its similarity with the BP. Combination of NIR-T/BSS and time-frequency analysis may open up new frontiers in the understanding and diagnosis of various neurodegenerative and ageing related diseases to improve diagnostic procedures and patient prognosis.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,374
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
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 Opus0,036
Tête enseignante GPT0,300
Écart entre enseignants0,264 · 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'étudeExpérimental (laboratoire)
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

Citations20
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetCerebrospinal fluid and hydrocephalusTravaux en français237 207