MétaCan
Menu
Retour à la cohorte
Enregistrement W3025917393 · doi:10.1007/s10877-020-00527-6

Evaluation of the relationship between slow-waves of intracranial pressure, mean arterial pressure and brain tissue oxygen in TBI: a CENTER-TBI exploratory analysis

2020· article· en· W3025917393 sur OpenAlexaff
Frederick A. Zeiler, Manuel Cabeleira, Peter J. Hutchinson, Nino Stocchetti, Marek Czosnyka, Peter Smielewski, Ari Ercole, Audny Anke, Ronny Beer, Bo‐Michael Bellander, Erta Beqiri, András Büki, Marco Carbonara, Arturo Chieregato, Giuseppe Citerio, Hans Clusmann, Endre Czeiter, Bart Depreitere, Shirin Frisvold, Raimund Helbok, Stefan Jankowski, Lars‐Owe Koskinen, Ana Kowark, David K. Menon, Geert Meyfroidt, Kirsten Moeller, David Nelson, Anna Piippo-Karjalainen, Andreea Rădoi, Arminas Ragauskas, Rahul Raj, Jonathan R. Rhodes, Saulius Ročka, Rolf Rossaint, Juan Sahuquillo, Oliver Sakowitz, Nina Sundström, Riikka Takala, Tomas Tamošuitis, Olli Tenovuo, Peter Vajkoczy, Alessia Vargiolu, Rimantas Vilcinis, Stefan Wolf, Alexander Younsi

Notice bibliographique

RevueJournal of Clinical Monitoring and Computing · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueTraumatic Brain Injury and Neurovascular Disturbances
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesEuropean CommissionZNS - Hannelore Kohl StiftungIntegra LifeSciences
Mots-clésTraumatic brain injuryIntracranial pressureCerebral autoregulationMean arterial pressureMedicineCerebral perfusion pressureAutoregressive integrated moving averageAnesthesiaCardiologyCerebral blood flowInternal medicineBlood pressureStatisticsMathematicsAutoregulationHeart rateTime series

Résumé

récupéré en direct d'OpenAlex

Abstract Brain tissue oxygen (PbtO2) monitoring in traumatic brain injury (TBI) has demonstrated strong associations with global outcome. Additionally, PbtO2 signals have been used to derive indices thought to be associated with cerebrovascular reactivity in TBI. However, their true relationship to slow-wave vasogenic fluctuations associated with cerebral autoregulation remains unclear. The goal of this study was to investigate the relationship between slow-wave fluctuations of intracranial pressure (ICP), mean arterial pressure (MAP) and PbtO2 over time. Using the Collaborative European NeuroTrauma Effectiveness Research in Traumatic Brain Injury (CENTER-TBI) high resolution ICU sub-study cohort, we evaluated those patients with recorded high-frequency digital intra-parenchymal ICP and PbtO2 monitoring data of a minimum of 6 h in duration. Digital physiologic signals were processed for ICP, MAP, and PbtO2 slow-waves using a moving average filter to decimate the high-frequency signal. The first 5 days of recording were analyzed. The relationship between ICP, MAP and PbtO2 slow-waves over time were assessed using autoregressive integrative moving average (ARIMA) and vector autoregressive integrative moving average (VARIMA) modelling, as well as Granger causality testing. A total of 47 patients were included. The ARIMA structure of ICP and MAP were similar in time, where PbtO2 displayed different optimal structure. VARIMA modelling and IRF plots confirmed the strong directional relationship between MAP and ICP, demonstrating an ICP response to MAP impulse. PbtO2 slow-waves, however, failed to demonstrate a definite response to ICP and MAP slow-wave impulses. These results raise questions as to the utility of PbtO2 in the derivation of cerebrovascular reactivity measures in TBI. There is a reproducible relationship between slow-wave fluctuations of ICP and MAP, as demonstrated across various time-series analytic techniques. PbtO2 does not appear to reliably respond in time to slow-wave fluctuations in MAP, as demonstrated on various VARIMA models across all patients. These findings suggest that PbtO2 should not be utilized in the derivation of cerebrovascular reactivity metrics in TBI, as it does not appear to be responsive to changes in MAP in the slow-waves. These findings corroborate previous results regarding PbtO2 based cerebrovascular reactivity indices.

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)0,003
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 enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,162
Tête enseignante GPT0,405
Écart entre enseignants0,243 · 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

Citations28
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical Monitoring and ComputingMême sujetTraumatic Brain Injury and Neurovascular DisturbancesTravaux en français237 207