MétaCan
Menu
Retour à la cohorte
Enregistrement W4225404441 · doi:10.1096/fasebj.2022.36.s1.r3374

Sympathetic transduction of blood pressure during graded lower body negative pressure

2022· article· en· W4225404441 sur OpenAlexafffund
Massimo Nardone, Carlin Katerberg, André L. Teixeira, Philip J. Millar

Notice bibliographique

RevueThe FASEB Journal · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueHeart Rate Variability and Autonomic Control
Établissements canadiensUniversity of Guelph
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésTransduction (biophysics)Blood pressureInternal medicineMedicineCardiologyBiologyBiophysics

Résumé

récupéré en direct d'OpenAlex

Introduction Cross‐sectional work has demonstrated that participants with high resting muscle sympathetic nerve activity (MSNA) have lower resting sympathetic transduction of blood pressure (BP), and a larger proportion of sympathetic bursts firing above the BP set‐point (or mean BP). However, to date, most of these observations have been evaluated between participants with different levels of resting MSNA. The objective of the current study is to evaluate the influence of acute elevations in MSNA on sympathetic transduction of BP in young healthy adults using graded lower body negative pressure (LBNP). We hypothesize that sympathetic transduction will decrease during acute elevations in MSNA due to an increased proportion of MSNA bursts firing above the BP set‐point. Methods Ten (1 female) young healthy participants underwent 8 minutes of quiet rest, followed by a graded LBNP protocol consisting of 8‐minute stages at ‐10, ‐20, and ‐30mmHg. Beat‐to‐beat heart rate and BP were quantified using single‐lead electrocardiography and finger photoplethysmography, respectively, while MSNA was quantified using fibular nerve microneurography. Sympathetic transduction was quantified in the time (signal‐averaging) and frequency (MSNA‐diastolic BP low frequency [LF: 0.04‐0.15 Hz] transfer function magnitude) domains. Tertiles of diastolic BP were determined for each participant, and the proportion of MSNA bursts firings within each BP tertile were quantified. Results MSNA burst frequency increased progressively during graded LBNP (from 15±7 to 17±7, 22±7, and 27±9 bursts/min; P <0.01), while the proportion of MSNA bursts firing in the highest BP tertile remained stable (19±7, 18±9, 19±9, 19±7 %; P =0.72). Sympathetic transduction of BP was unchanged during LBNP (from 2.1±1.1 to 2.3±1.5, 2.1±1.2, and 2.0±1.1 mmHg; P =0.51), while the BP responses to non‐burst cardiac cycles decreased progressively (from ‐0.7±0.5 to ‐0.9±0.5, ‐1.0±0.4, and ‐1.4±0.7 mmHg; P <0.01). The difference between burst and non‐burst cardiac cycles (from 2.8±1.4 to 3.2±1.9, 3.1±1.5, and 3.4±1.3 mmHg; P =0.26) and the MSNA‐diastolic BP transfer function magnitude (from 0.14±0.09 to 0.14±0.06, 0.14±0.06, and 0.13±0.07 au/mmHg; P =0.40) were also unchanged during LBNP. Lastly, the change in the proportion of MSNA bursts firing in the largest BP tertile was associated with the change in signal‐averaged sympathetic transduction across each stage of LBNP (r= ‐0.79, ‐0.78, ‐0.81; P ≤0.01). Conclusion Sympathetic transduction of diastolic BP is unchanged during graded LBNP due to the heterogenous inter‐individual responses in the gating of bursts to diastolic BP. The proportion of bursts firing at high BPs are associated with changes in sympathetic transduction of BP. The determinants of gating MSNA burst occurrence by the arterial baroreflex and its capacity for modulation warrant further study.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,010
Tête enseignante GPT0,224
Écart entre enseignants0,214 · 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'étudeObservationnel
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

Citations0
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe FASEB JournalMême sujetHeart Rate Variability and Autonomic ControlTravaux en français237 207