Sensitivity of a full-head coverage high-density time-resolved NIRS device to carotid compressions
Notice bibliographique
Résumé
Neuromonitoring during cardiac surgery helps prevent brain injury by detecting evidence of cerebral ischemia. Current neuromonitoring devices, such as cerebral oximeters, generally monitor one brain region, which prevents the detection of blood flow impairment in other vascular territories. A potential solution is to use a device with full-head coverage such as the newly developed high-density time-resolved NIRS system, Kernel Flow. This work aimed to assess Kernel Flow’s sensitivity to regional cerebral oxygenation changes using momentary carotid compression (CC), a paradigm that causes substantial decreases in cerebral blood flow and oxyhemoglobin (HbO) throughout the ipsilateral hemisphere. Five healthy volunteers were imaged using a Kernel Flow headset during a 30-s CC. To assess the sensitivity of the device to regional changes, the number of good quality channels was compared between four brain regions: frontal, somatosensory, temporal, and occipital. HbO and deoxyhemoglobin (HbR) time series in the ipsilateral and contralateral hemispheres were analyzed. Overall, the frontal region had the largest amount of good-quality channels, and the ipsilateral regions showed the expected HbO decrease during CC. All contralateral regions showed minimal changes during CC, as expected. Overall, the Flow device showed good sensitivity to reduced cerebral blood flow; however, its use as a neuromonitor during cardiac surgery could be challenged by signal degradation due to hair, although this may be less of an issue with cardiac patients considering that most are older and have less hair.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».