Non‐invasive MR imaging techniques for measuring femoral arterial flow in a pediatric and adolescent cohort
Notice bibliographique
Résumé
Magnetic Resonance Imaging (MRI) is well-suited for imaging peripheral blood flow due to its non-invasive nature and excellent spatial resolution. Although MRI is routinely used in adults to assess physiological changes in chronic diseases, there are currently no MRI-based data quantifying arterial flow in pediatric or adolescent populations during exercise. Therefore the current research sought to document femoral arterial blood flow at rest and following exercise in a pediatric-adolescent population using phase contrast MRI, and to present test-retest reliability data for this method. Ten healthy children and adolescents (4 male; mean age 14.8 ± 2.4 years) completed bloodwork and resting and exercise MRI. Baseline images consisted of PC-MRI of the femoral artery at rest and following a 5 × 30 s of in-magnet exercise. To evaluate test-retest reliability, five participants returned for repeat testing. All participants successfully completed exercise testing in the MRI. Baseline flow demonstrated excellent reliability (ICC = 0.93, p = 0.006), and peak exercise and delta rest-peak flow demonstrated good reliability (peak exercise ICC = 0.89, p = 0.002, delta rest-peak ICC = 0.87, p = 0.003) between-visits. All three flow measurements demonstrated excellent reliability when assessed with coefficients of variance (CV's) (rest: CV = 6.2%; peak exercise: CV = 7.3%; delta rest-peak: CV = 7.1%). The mean bias was small for femoral arterial flow. There was no significant mean bias between femoral artery flow visits 1 and 2 at peak exercise. There were no correlations between age or height and any of the flow measurements. There were no significant differences between male and female participants for any of the flow measurements. The current study determined that peripheral arterial blood flow in children and adolescents can be evaluated using non-invasive phase contrast MRI. The MRI-based techniques that were used in the current study for measuring arterial flow in pediatric and adolescent patients demonstrated acceptable test-retest reliability both at rest and immediately post-exercise.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».