Validity and reliability of deriving the autoregulatory plateau through projection pursuit regression from driven methods
Notice bibliographique
Résumé
To compare the construct validity and between-day reliability of projection pursuit regression (PPR) from oscillatory lower body negative pressure (OLBNP) and squat-stand maneuvers (SSMs). Nineteen participants completed 5 min of OLBNP and SSMs at driven frequencies of 0.05 and 0.10 Hz across two visits. Autoregulatory plateaus were derived at both point-estimates and across the cardiac cycle. Between-day reliability was assessed with intraclass correlation coefficients (ICCs), Bland-Altman plots with 95% limits of agreement (LOA), coefficient of variation (CoV), and smallest real differences. Construct validity between OLBNP-SSMs were quantified with Bland-Altman plots and Cohen's d. The expected autoregulatory curve with positive rising and negative falling slopes were present in only ~23% of the data. The between-day reliability for the ICCs were poor-to-good with the CoV estimates ranging from ~50% to 70%. The 95% LOA were very wide with an average spread of ~450% for OLBNP and ~350% for SSMs. Plateaus were larger from SSMs compared to OLBNPs (moderate-to-large effect sizes). The cerebral pressure-flow relationship is a complex regulatory process, and the "black-box" nature of this system can make it challenging to quantify. The current data reveals PPR analysis does not always elicit a clear-cut central plateau with distinctive rising/falling slopes.
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 | 0,034 | 0,116 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».