MétaCan
Menu
Retour à la cohorte
Enregistrement W4283825205 · doi:10.18280/mmep.090330

Numerical Investigation of Stenosis and Degree of Aneurysm on Haemodynamics of Blood Vessels

2022· article· en· W4283825205 sur OpenAlexvenueno aff
Saleem Khalefa Kadhim, Sinan Abdul-Ghafar Ali

Notice bibliographique

RevueMathematical Modelling and Engineering Problems · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueCoronary Interventions and Diagnostics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHemodynamicsDegree (music)StenosisAneurysmCardiologyMedicineInternal medicineRadiologyPhysics

Résumé

récupéré en direct d'OpenAlex

Computational fluid dynamics is a computer simulation technique used to study the effects of stenosis and aneurysm degree on haemodynamics in the blood vessels such as blood velocity, pressure, and wall shear stress.The current study employed the numerical simulations of pulsed blood flow using the Carreau non-Newtonian rheological and Newtonian models to model the wall shear stresses and haemodynamics in blood vessels.Furthermore, the model included three stenosis areas with different diameters, 70%, 80%, and 90%, and two aneurysm areas with different diameters, 15% and 44%.The study observed the blood velocity, pressure, and wall shear stresses at the damaged blood vessels areas.It was found that the maximum velocity was observed from stenosis when the stenosis ratio was increased to 90%.Additionally, the velocity increased up to 3.4 times, which led to increased blood shear stresses to up to 8.4 times, when the start acceleration flow and peck flow were compared.It is known that the degree of damage on blood vessels produces the most significant influence on local blood pressure and shear stresses.Therefore, it was concluded that stenosis at 90% may probably lead to serious lesions and effectively block the bloodstream by the ensuing thrombus.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
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)0,0010,000

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 Opus0,041
Tête enseignante GPT0,230
Écart entre enseignants0,190 · 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

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMathematical Modelling and Engineering ProblemsMême sujetCoronary Interventions and DiagnosticsTravaux en français237 207