Torrents of torment: turbulence as a mechanism of pulsatile tinnitus secondary to venous stenosis revealed by high-fidelity computational fluid dynamics
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.
Notice bibliographique
Résumé
BACKGROUND: Pulsatile tinnitus (PT) is a debilitating condition that can be caused by a vascular abnormality, such as an arterial or venous lesion. Although treatment of PT-related venous lesions has been shown to successfully cure patients of the associated 'tormenting' rhythmical sound, much controversy still exists regarding their role in the etiology of PT. METHODS: A patient presented with a history of worsening, unilateral PT. A partial venous sinus obstruction related to the large arachnoid granulation was detected on the right side, and subsequently stented at the right transverse sinus. High-fidelity computational fluid dynamics (CFD) was performed on a 3D model digitally segmented from the pre-stent venogram, with assumed pulsatile flow rates. A post-stent CFD model was also constructed from this. Data-driven sonification was performed on the CFD velocity data, blinded to the patient's self-reported sounds. RESULTS: The patient reported that the PT was completely resolved after stenting, and has had no recurrence of the symptoms after more than 2 years. CFD simulation revealed highly disturbed, turbulent-like flow at the sigmoid sinus close to auditory structures, producing a sonified audio signal that reproduced the subjective sonance of the patient's PT. No turbulence or sounds were evident at the stenosis, or anywhere in the post-stent model. CONCLUSIONS: For the first time, turbulence generated distal to a venous stenosis is shown to be a cause of PT. High-fidelity CFD may be useful for identifying patients with such 'torrents' of flow, to help guide treatment decision-making.
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 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 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) | 0,002 | 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 découle