Chronic vagal nerve stimulation has no effect on tachycardia‐induced heart failure progression or excitation–contraction coupling
Notice bibliographique
Résumé
Autonomic dysregulation plays a key role in the development and progression of heart failure (HF). Vagal nerve stimulation (VNS) may be a promising therapeutic approach. However, the outcomes from clinical trials evaluating VNS in HF have been mixed, and the mechanisms underlying this treatment remain poorly understood. Intermittent high-frequency VNS (pulse width 300 µs, 30 Hz stimulation, 30 s on, and 300 s off) was used in healthy sheep and sheep in which established HF had been induced by 4 weeks rapid ventricular pacing to assess (a) the effects of VNS on intrinsic cardiac vagal tone, (b) whether VNS delays the progression of established HF, and (c) whether high-frequency VNS affects the regulation of cardiomyocyte calcium handling in health and disease. VNS had no effect on resting heart rate or intrinsic vagal tone in the healthy heart. Although fewer VNS-treated animals showed subjective signs of heart failure at 6 weeks, overall VNS did not slow the progression of clinical or echocardiographic signs of HF. Chronic VNS did not affect left ventricular cardiomyocyte calcium handling in healthy sheep. Rapid ventricular pacing decreased the L-type calcium current and calcium transient amplitude, but chronic VNS did not rescue dysfunctional calcium handling. Overall, high-frequency VNS did not prevent progression of established HF or influence cellular excitation-contraction coupling. However, a different model of HF or selection of different stimulation parameters may have yielded different results. These results highlight the need for greater insight into VNS dosing and parameter selection and a deeper understanding of its physiological effects.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 tête enseignante, 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 ».