MétaCan
Menu
Retour à la cohorte
Enregistrement W3019003014 · doi:10.1096/fasebj.2020.34.s1.05716

When is Muscle Sympathetic Nerve Activity ‘Abnormal’?

2020· article· en· W3019003014 sur OpenAlexaffabout
Mark B. Badrov, Daniel A. Keir, George Tomlinson, Catherine F. Notarius, Derek S. Kimmerly, Philip J. Millar, J. Kevin Shoemaker, John S. Floras

Notice bibliographique

RevueThe FASEB Journal · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueHeart Rate Variability and Autonomic Control
Établissements canadiensWestern UniversityUniversity of GuelphDalhousie UniversityUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésMedicineMicroneurographyPercentileSupine positionCohortCardiorespiratory fitnessSympathetic nervous systemIncidence (geometry)Cardiovascular healthCardiologyInternal medicineDiseaseBlood pressureBaroreflexHeart rate

Résumé

récupéré en direct d'OpenAlex

The sympathetic nervous system participates in both short‐ and long‐term cardiovascular regulation. The microneurographic technique, enabling in humans direct recordings from the populations of post‐ganglionic sympathetic neurons innervating the skeletal muscle vasculature (i.e. muscle sympathetic nerve activity; MSNA), has yielded key insights into mechanisms of sympathetic regulation of the circulation in health, and, importantly, its contributions to cardiovascular disease development and progression. Due to its invasive nature, as well as the technical challenges involved in site acquisition and burst quantification, its application has been limited primarily to trained investigators studying small, selected cohorts, rather than populations. In healthy individuals, MSNA burst frequency or burst incidence, as measured under supine resting conditions, exhibit considerable inter‐individual variability, yet are highly reproducible within individuals over time. However, such variability, as well as the limited data, has impaired the establishment of age‐ and sex‐dependent normative values. Therefore, we aimed to develop resting MSNA reference charts, representing MSNA percentile curves, in a large cohort of young and older men and women. Specifically, we retrospectively assembled a dataset of 654 healthy, unmedicated normotensive (<140/90 mmHg) individuals from four participating Canadian laboratories, including 396 men (aged 18–71 yrs) and 258 women (aged 18–81 yrs), in whom baseline resting MSNA was evaluated over a minimum of 5 min. Quantile regression was used to estimate the 5 th , 20 th , 50 th (i.e. median), 80 th , and 95 th percentiles for resting MSNA burst frequency and burst incidence in men and women as a function of age. Quantiles were parameterized as functions of age by both a one‐ and two‐term fractional polynomial model with power selected from a ladder of values (i.e. −2, −1, −0.5, 0.5, 1, 2, 3). Next, an iterative fitting approach was applied to the MSNA versus age data to determine the fractional coefficients and the combination of values for the two powers from the ladder that provided the greatest goodness of fit (i.e. lowest χ 2 ). The 5 th , 20 th , 50 th , 80 th , and 95 th percentiles for MSNA burst frequency and burst incidence in men and women as a function of age are displayed in the figure below. In conclusion, these MSNA percentile curves, developed from a large sample of men and women, provide age‐ and sex‐related reference values for resting MSNA levels in healthy, normotensive individuals, and, furthermore, by establishing 95% confidence limits, may help inform comparative studies of disease states referenced to age‐ and sex‐matched controls. Figure 1

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,029
Score d'incertitude au seuil0,057

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,029
Tête enseignante GPT0,249
Écart entre enseignants0,220 · 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 source (Gemma direct ou Codex distillé), 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

Citations1
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe FASEB JournalMême sujetHeart Rate Variability and Autonomic ControlTravaux en français237 207