MétaCan
Menu
Retour à la cohorte
Enregistrement W2896125695 · doi:10.1088/1361-6579/aae9fd

Reproducibility of dynamic cerebral autoregulation parameters: a multi-centre, multi-method study

2018· article· en· W2896125695 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevuePhysiological Measurement · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueTraumatic Brain Injury and Neurovascular Disturbances
Établissements canadiensMcGill University
Organismes subventionnairesEngineering and Physical Sciences Research Council
Mots-clésReproducibilityIntraclass correlationCerebral autoregulationAutoregulationCoefficient of variationCorrelation coefficientCerebral blood flowMedicineReliability (semiconductor)MathematicsStatisticsBiomedical engineeringBlood pressureInternal medicinePhysics

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Different methods to calculate dynamic cerebral autoregulation (dCA) parameters are available. However, most of these methods demonstrate poor reproducibility that limit their reliability for clinical use. Inter-centre differences in study protocols, modelling approaches and default parameter settings have all led to a lack of standardisation and comparability between studies. We evaluated reproducibility of dCA parameters by assessing systematic errors in surrogate data resulting from different modelling techniques. APPROACH: Fourteen centres analysed 22 datasets consisting of two repeated physiological blood pressure measurements with surrogate cerebral blood flow velocity signals, generated using Tiecks curves (autoregulation index, ARI 0-9) and added noise. For reproducibility, dCA methods were grouped in three broad categories: 1. Transfer function analysis (TFA)-like output; 2. ARI-like output; 3. Correlation coefficient-like output. For all methods, reproducibility was determined by one-way intraclass correlation coefficient analysis (ICC). MAIN RESULTS: For TFA-like methods the mean (SD; [range]) ICC gain was 0.71 (0.10; [0.49-0.86]) and 0.80 (0.17; [0.36-0.94]) for VLF and LF (p = 0.003) respectively. For phase, ICC values were 0.53 (0.21; [0.09-0.80]) for VLF, and 0.92 (0.13; [0.44-1.00]) for LF (p < 0.001). Finally, ICC for ARI-like methods was equal to 0.84 (0.19; [0.41-0.94]), and for correlation-like methods, ICC was 0.21 (0.21; [0.056-0.35]). SIGNIFICANCE: When applied to realistic surrogate data, free from the additional exogenous influences of physiological variability on cerebral blood flow, most methods of dCA modelling showed ICC values considerably higher than what has been reported for physiological data. This finding suggests that the poor reproducibility reported by previous studies may be mainly due to the inherent physiological variability of cerebral blood flow regulatory mechanisms rather than related to (stationary) random noise and the signal analysis methods.

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.

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)0,003
score de la tête « metaresearch » (Gemma)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,716
Score d'incertitude au seuil0,584

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,180
Tête enseignante GPT0,367
Écart entre enseignants0,187 · 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