P.61 Impact of Kidney Transplantation on Arterial Reservoir-Wave Analysis
Notice bibliographique
Résumé
Abstract Purpose/Background/Objective According to reservoir-wave approach (RWA) arterial pressure is the sum of a reservoir pressure (RP) accounting for dynamic storage and release of blood from arteries, and an excess pressure (XSP) analogous to flow. RP is the minimal left ventricular work required to generate aortic flow, while XSP corresponds to surplus cardiac workload. We have previously shown that kidney transplantation (KTx) improves aortic stiffness [1], however, by adding renal vessels to existing vascular network, KTx may increase cardiac output. Thus, we aimed to examine whether XSP increases after KTx. Methods Before and 3 months after KTx, carotid pressure waves were recorded using arterial tonometry, calibrated using brachial diastolic and mean blood pressure. Using pressure only approach, reservoir-wave analysis was used to derive RP, XSP and their integrals (RPI, XSPI). RWA parameters were compared with Wilcoxon non-parametric test using SPSS 26.0. Results 75 patients (69% male, mean age 51 ± 13 years) were assessed. Three months after KTx, both carotid RP (121.2 ± 20.7 vs 103.5 ± 15.7, p < 0.001) and RPI (11192.52 ± 2763.11 vs 9531 ± 1978, p < 0.001) decreased significantly, but carotid XSP and XSPI remained unchanged. Carotid systolic (131.0 ± 23.2 vs 114.1 ± 15.5, p < 0.001) and diastolic (83.4 ± 11.9 vs 72.8 ± 9.93, p < 0.001) blood pressures were also reduced. Conclusion KTx decreased reservoir pressure, suggesting a decrease in minimal cardiac workload. However, we did not see an increase in excess pressure or its integral, suggesting that addition of a donor renal artery does not significantly alter cardiac outflow and excess workload 3 months after KTx.
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 | 0,001 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».