MétaCan
Menu
Retour à la cohorte
Enregistrement W3183491842 · doi:10.1088/1361-6579/ac18fd

Human microvascular reactivity: a review of vasomodulating stimuli and non-invasive imaging assessment

2021· review· en· W3183491842 sur OpenAlexafffund
Aaron Troy, Hai‐Ling Margaret Cheng

Notice bibliographique

RevuePhysiological Measurement · 2021
Typereview
Langueen
DomaineMedicine
ThématiqueHeart Rate Variability and Autonomic Control
Établissements canadiensHeart and Stroke FoundationTed Rogers Centre for Heart ResearchUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of TorontoCanada Foundation for InnovationGovernment of Ontario
Mots-clésMedicineNeuroscienceStimulus (psychology)Diabetes mellitusBlood flowFunctional imagingDiseasePathologyCardiologyBiologyPsychologyEndocrinology

Résumé

récupéré en direct d'OpenAlex

The microvasculature serves an imperative function in regulating perfusion and nutrient exchange throughout the body, adaptively altering blood flow to preserve hemodynamic and metabolic homeostasis. Its normal functioning is vital to tissue health, whereas its dysfunction is present in many chronic conditions, including diabetes, heart disease, and cognitive decline. As microvascular dysfunction often appears early in disease progression, its detection can offer early diagnostic information. To detect microvascular dysfunction, one uses imaging to probe the microvasculature's ability to react to a stimulus, also known as microvascular reactivity (MVR). An assessment of MVR requires an integrated understanding of vascular physiology, techniques for stimulating reactivity, and available imaging methods to capture the dynamic response. Practical considerations, including compatibility between the selected stimulus and imaging approach, likewise require attention. In this review, we provide a comprehensive foundation necessary for informed imaging of MVR, with a particular focus on the challenging endeavor of assessing microvascular function in deep tissues.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,154
Tête enseignante GPT0,394
Écart entre enseignants0,240 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhysiological MeasurementMême sujetHeart Rate Variability and Autonomic ControlTravaux en français237 207