MétaCan
Menu
Retour à la cohorte
Enregistrement W4387439818 · doi:10.1007/s10237-023-01772-9

Comparison of computational fluid dynamics with transcranial Doppler ultrasound in response to physiological stimuli

2023· article· en· W4387439818 sur OpenAlexaff
Harrison T. Caddy, Hannah J. Thomas, Lachlan J. Kelsey, Kurt J. Smith, Barry J. Doyle, Daniel J. Green

Notice bibliographique

RevueBiomechanics and Modeling in Mechanobiology · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiovascular Health and Disease Prevention
Établissements canadiensUniversity of Victoria
Organismes subventionnairesNational Health and Medical Research CouncilGovernment of Western AustraliaUniversity of Western AustraliaForrest Research FoundationMedical Research CouncilAustralian Government
Mots-clésTranscranial DopplerCerebral perfusion pressureHemodynamicsCerebral arteriesMiddle cerebral arteryComputational fluid dynamicsUltrasoundFlow velocityCardiologyCerebral autoregulationInternal medicineMedicineCerebral blood flowBiomedical engineeringBlood pressureMechanicsPhysicsRadiologyIschemiaAutoregulationRelaxation (psychology)

Résumé

récupéré en direct d'OpenAlex

Cerebrovascular haemodynamics are sensitive to multiple physiological stimuli that require synergistic response to maintain adequate perfusion. Understanding haemodynamic changes within cerebral arteries is important to inform how the brain regulates perfusion; however, methods for direct measurement of cerebral haemodynamics in these environments are challenging. The aim of this study was to assess velocity waveform metrics obtained using transcranial Doppler (TCD) with flow-conserving subject-specific three-dimensional (3D) simulations using computational fluid dynamics (CFD). Twelve healthy participants underwent head and neck imaging with 3 T magnetic resonance angiography. Velocity waveforms in the middle cerebral artery were measured with TCD ultrasound, while diameter and velocity were measured using duplex ultrasound in the internal carotid and vertebral arteries to calculate incoming cerebral flow at rest, during hypercapnia and exercise. CFD simulations were developed for each condition, with velocity waveform metrics extracted in the same insonation region as TCD. Exposure to stimuli induced significant changes in cardiorespiratory measures across all participants. Measured absolute TCD velocities were significantly higher than those calculated from CFD (P range < 0.001-0.004), and these data were not correlated across conditions (r range 0.030-0.377, P range 0.227-0.925). However, relative changes in systolic and time-averaged velocity from resting levels exhibited significant positive correlations when the distinct techniques were compared (r range 0.577-0.770, P range 0.003-0.049). Our data indicate that while absolute measures of cerebral velocity differ between TCD and 3D CFD simulation, physiological changes from resting levels in systolic and time-averaged velocity are significantly correlated between techniques.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,665
Score d'incertitude au seuil0,413

Scores Codex et Gemma par catégorie

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

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 Opus0,064
Tête enseignante GPT0,355
Écart entre enseignants0,291 · 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 tête enseignante, 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

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiomechanics and Modeling in MechanobiologyMême sujetCardiovascular Health and Disease PreventionTravaux en français237 207