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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,742
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,154
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 tête enseignante, pas un consensus.

Devis d'étudeRevue systématique
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