MétaCan
Menu
Retour à la cohorte
Enregistrement W4388661845 · doi:10.1088/1741-2552/ad0c60

Enhancing the selective electrical activation of human vagal nerve fibers: a comparative computational modeling study with validation in a rat sciatic model

2023· article· en· W4388661845 sur OpenAlexafffund
Daniel Tovbis, Eugene Lee, Ryan G. L. Koh, Rania Jeong, Anne Agur, Paul B. Yoo

Notice bibliographique

RevueJournal of Neural Engineering · 2023
Typearticle
Langueen
DomaineNeuroscience
ThématiqueVagus Nerve Stimulation Research
Établissements canadiensUniversity of New BrunswickUniversity Health NetworkToronto Rehabilitation InstituteUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Foundation for Innovation
Mots-clésVagus nerve stimulationSciatic nerveVagus nerveNerve fiberBiomedical engineeringMaterials scienceStimulationElectrodeAnatomyMedicineChemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Objective. Vagus nerve stimulation (VNS) is an emerging treatment option for a myriad of medical disorders, where the method of delivering electrical pulses can vary depending on the clinical indication. In this study, we investigated the relative effectiveness of electrically activating the cervical vagus nerve among three different approaches: nerve cuff electrode stimulation (NCES), transcutaneous electrical nerve stimulation (TENS), and enhanced TENS (eTENS). The objectives were to characterize factors that influenced nerve activation and to compare the nerve recruitment properties as a function of nerve fiber diameter. Methods. The Finite Element Model, based on data from the Visible Human Project, was implemented in COMSOL. The three simulation types were compared under a range of vertical and horizontal displacements relative to the location of the vagus nerve. Monopolar anodic stimulation was examined, along with latency and activation of different fiber sizes. Nerve activation was determined via the activating function and McIntyre-Richardson-Grill models, and activation thresholds were validated in an in-vivo rodent model. Results. While NCES produced the lowest activation thresholds, eTENS generally performed superior to TENS under the range of conditions and fiber diameters, producing activation thresholds up to three times lower than TENS. eTENS also preserved its enhancement when surface electrodes were displaced away from the nerve. Anodic stimulation revealed an inhibitory region that removed eTENS benefits. eTENS also outperformed TENS by up to four times when targeting smaller diameter nerve fibers, scaling similar to a cuff electrode. In latency and activation of smaller diameter nerve fibers, eTENS results resembled those of NCES more than a TENS electrode. Activation threshold ratios were consistent in in-vivo validation. Significance. Our findings expand upon previously identified mechanisms for eTENS and further demonstrate how eTENS emulates a nerve cuff electrode to achieve lower activation thresholds. This work further characterizes considerations required for VNS under the three stimulation methods.

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)0,000
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 enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,105
Tête enseignante GPT0,365
Écart entre enseignants0,259 · 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

Citations7
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Neural EngineeringMême sujetVagus Nerve Stimulation ResearchTravaux en français237 207