The Quantitative Associations Between Near Infrared Spectroscopic Cerebrovascular Metrics and Cerebral Blood Flow: A Scoping Review of the Human and Animal Literature
Notice bibliographique
Résumé
Cerebral blood flow (CBF) is an important physiologic parameter that is vital for proper cerebral function and recovery. Current widely accepted methods of measuring CBF are cumbersome, invasive, or have poor spatial or temporal resolution. Near infrared spectroscopy (NIRS) based measures of cerebrovascular physiology may provide a means of non-invasively, topographically, and continuously measuring CBF. We performed a systematically conducted scoping review of the available literature examining the quantitative relationship between NIRS-based cerebrovascular metrics and CBF. We found that continuous-wave NIRS (CW-NIRS) was the most examined modality with dynamic contrast enhanced NIRS (DCE-NIRS) being the next most common. Fewer studies assessed diffuse correlation spectroscopy (DCS) and frequency resolved NIRS (FR-NIRS). We did not find studies examining the relationship between time-resolved NIRS (TR-NIRS) based metrics and CBF. Studies were most frequently conducted in humans and animal studies mostly utilized large animal models. The identified studies almost exclusively used a Pearson correlation analysis. Much of the literature supported a positive linear relationship between changes in CW-NIRS based metrics, particularly regional cerebral oxygen saturation (rSO2), and changes in CBF. Linear relationships were also identified between other NIRS based modalities and CBF, however, further validation is needed.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,011 | 0,010 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».