MétaCan
Menu
← Retour à la cohorte
Enregistrement W3131276360 · doi:10.1101/2021.02.11.430843

Using a Human Circulation Mathematical Model to Simulate the Effects of Hemodialysis and Therapeutic Hypothermia

2021· preprint· en· W3131276360 sur OpenAlexafffund
Jermiah J. Joseph, Timothy J. Hunter, Clara Sun, Daniel Goldman, Sanjay Kharche, Christopher W. McIntyre

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2021
Typepreprint
Langueen
DomaineMedicine
ThématiqueDialysis and Renal Disease Management
Établissements canadiensLawson Health Research InstituteWestern University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMitacsLawson Health Research InstituteCompute CanadaCanarieHeart and Stroke Foundation of Canada
Mots-clésHemodialysisHypothermiaMedicineDialysisBlood pressurePopulationCardiologyHeart rateAtrial fibrillationInternal medicine

Résumé

récupéré en direct d'OpenAlex

Abstract Background The human blood circulation is an intricate process regulated by multiple biophysical factors. Our patients often suffer from renal disease and atrial fibrillation, and are given treatments such as therapeutic hypothermia, exercise, and hemodialysis. In this work, a hemodynamic mathematical model of human circulation coupled to a representative dialysis machine is developed and used to explore causal mechanisms of our recent clinical observations. Methods An ordinary differential equation model consisting of human whole body circulation, baroreflex control, and a hemodialysis machine was implemented. Experimentally informed parameter alterations were used to implement hemodialysis and therapeutic hypothermia. By means of parameter perturbation, four model populations encompassing baseline, dialysed, hypothermia treated, and simultaneous dialysed with hypothermia were generated. In model populations, multiple conditions including atrial fibrillation, exercise, and renal failure were simulated. The effects of all conditions on clinically relevant non-invasive measurables such as heart rate and blood pressure were quantified. A parameter sensitivity analysis was implemented to rank model output influencing parameters in the presented model. Results Results were interpreted as alterations of the respective populations mean values and standard deviations of the clinical measurables, both in relation to the baseline population. A clinical measurable’s smaller standard deviation (in comparison to baseline population) was interpreted as a stronger association between a given clinical measure and the corresponding underlying process, which may permit the use of deducing one by observation of the other. The modelled dialysis was observed to increase systolic blood pressure, vessel shear, and heart rate. Therapeutic hypothermia was observed to reduce blood pressure as well as the intra-population standard deviation (heterogeneity) of blood flow in the large (aorta) and small (kidney) vasculature. Therapeutic hypothermia reduced shear in vessels, suggesting a potential benefit with respect to endothelial dysfunction and maintenance of microcirculatory blood flow. The action of therapeutic hypothermia under conditions such as atrial fibrillation, exercise, and renal failure was to reduce total blood flow, which was applicable in all simulated populations. Therapeutic hypothermia did not affect the dialysis function, but exercise improved the efficacy of dialysis by facilitating water removal. Conclusions This study illuminates some mechanisms of action for therapeutic hypothermia. It also suggests clinical measurables that may be used as surrogates to diagnose underlying diseases such as atrial fibrillation.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
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 Opus0,030
Tête enseignante GPT0,271
Écart entre enseignants0,241 · 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'étudeSimulation ou modélisation
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

Citations3
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetDialysis and Renal Disease Management→Travaux en français237 207→