Quantified Morphology of the Cervical and Subdiaphragmatic Vagus Nerves of Human, Pig, and Rat
Notice bibliographique
Résumé
It is necessary to understand the morphology of the vagus nerve (VN) to design and deliver effective and selective vagus nerve stimulation (VNS) because nerve morphology influences fiber responses to electrical stimulation. Specifically, nerve diameter (and thus, electrode-fiber distance), fascicle diameter, fascicular organization, and perineurium thickness all significantly affect the responses of nerve fibers to electrical signals delivered through a cuff electrode. We quantified the morphology of cervical and subdiaphragmatic VNs in humans, pigs, and rats: effective nerve diameter, number of fascicles, effective fascicle diameters, proportions of endoneurial, perineurial, and epineurial tissues, and perineurium thickness. The human and pig VNs were comparable sizes (∼2 mm cervically; ∼1.6 mm subdiaphragmatically), while the rat nerves were ten times smaller. The pig nerves had ten times more fascicles-and the fascicles were smaller-than in human nerves (47 vs. 7 fascicles cervically; 38 vs. 5 fascicles subdiaphragmatically). Comparing the cervical to the subdiaphragmatic VNs, the nerves and fascicles were larger at the cervical level for all species and there were more fascicles for pigs. Human morphology generally exhibited greater variability across samples than pigs and rats. A prior study of human somatic nerves indicated that the ratio of perineurium thickness to fascicle diameter was approximately constant across fascicle diameters. However, our data found thicker human and pig VN perineurium than those prior data: the VNs had thicker perineurium for larger fascicles and thicker perineurium normalized by fascicle diameter for smaller fascicles. Understanding these differences in VN morphology between preclinical models and the clinical target, as well as the variability across individuals of a species, is essential for designing suitable cuff electrodes and stimulation parameters and for informing translation of preclinical results to clinical application to advance the therapeutic efficacy of VNS.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 | 0,000 |
| 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 source (Gemma direct ou Codex distillé), 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 ».