MétaCan
Menu
Retour à la cohorte
Enregistrement W4388098524 · doi:10.1016/j.jmbbm.2023.106216

Active and passive mechanical characterization of a human descending thoracic aorta with Klippel-Trenaunay syndrome

2023· article· en· W4388098524 sur OpenAlexafffund
Marco Amabili, Giulio Franchini, Meisam Asgari, Francesco Giovanniello, Mergen H. Ghayesh, Ivan D. Breslavsky

Notice bibliographique

RevueJournal of the mechanical behavior of biomedical materials/Journal of mechanical behavior of biomedical materials · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueElasticity and Material Modeling
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMcGill UniversityJohn Simon Guggenheim Memorial Foundation
Mots-clésThoracic aortaAortaVasoactiveDescending aortaMedicineSmooth muscleVascular smooth muscleAnatomyCardiologyInternal medicineMaterials science

Résumé

récupéré en direct d'OpenAlex

A human aorta from a female donor affected by Klippel-Trenaunay syndrome was retrieved during a surgery for organ donation for transplant. The aorta was preserved in refrigerated Belzer UW organ preservation solution and tested within a few hours for mechanical characterization with and without vascular smooth muscle activation. KCl and Noradrenaline were used as vasoactive agents in bubbled Krebs-Henseleit buffer solution at 37 °C. A quasi-static and a dynamic mechanical characterization of the full wall and the three individual layers were carried out for strips taken in longitudinal and circumferential directions. The full wall in the descending portion of the aorta underwent mechanical tests with and without smooth muscle activation. Results were compared to data obtained from healthy aortas and show a reduced stiffness of the full wall in circumferential direction. Also, a significant reduction of the response to vasoactive agents in circumferential direction was observed, while the longitudinal response was similar to healthy cases.

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)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
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 Opus0,018
Tête enseignante GPT0,267
Écart entre enseignants0,249 · 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.

Devis d'étudeExpérimental (laboratoire)
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

Citations4
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of the mechanical behavior of biomedical materials/Journal of mechanical behavior of biomedical materialsMême sujetElasticity and Material ModelingTravaux en français237 207