MétaCan
Menu
Retour à la cohorte
Enregistrement W4399677866 · doi:10.1093/eurjpc/zwae175.178

Feasibility of exercise cardiac magnetic resonance imaging for the concurrent assessment of oxygen uptake and its Fick determinants

2024· article· en· W4399677866 sur OpenAlexaff
Stephen Foulkes, Richard B. Thompson, Justin Grenier, Rachel J. Skow, Robin Sherrington, Edith Pituskin, Michael D. Nelson, André La Gerche, Mark J. Haykowsky

Notice bibliographique

RevueEuropean Journal of Preventive Cardiology · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiovascular and exercise physiology
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMedicinePulse oximetryFick principleCardiologyMagnetic resonance imagingSupine positionBreathingInternal medicineOxygen saturationCardiac outputVenous bloodInferior vena cavaCardiac magnetic resonance imagingNuclear medicineAnesthesiaHemodynamicsOxygenRadiology

Résumé

récupéré en direct d'OpenAlex

Abstract Background The concurrent assessment of oxygen uptake (VO2) and it’s Fick determinants (cardiac output x arterio-venous oxygen content difference [Qc x a-vO2diff]) provides key insights into the physiologic underpinnings of exercise intolerance across the spectrum of health and disease. However, the accurate assessment of the Fick-determinants is limited by the need for invasive measures of hemodynamics and arterial and venous O2 saturation and content (SaO2 and SvO2, and CaO2 and CvO2, respectively). Purpose To determine the feasibility of an exercise cardiac magnetic resonance imaging (ExCMR) approach that combines real-time free-breathing cardiac volumetric analysis with magnetic susceptometry-based oximetry to non-invasively quantify Qc, a-vO2diff, and VO2peak. Methods Bi-ventricular volumes and Qc were quantified from real-time, free-breathing steady-state free-precession imaging, whilst SvO2 in the inferior vena cava was quantified using magnetic susceptometry-based oximetry. These measures were combined with arterial oxygen saturation (from finger pulse oximetry) and haemoglobin concentration (from venous blood draw) to quantifyCaO2,and CvO2), a-vO2diff and VO2 in accordance with the Fick equation. Imaging was performed in 24 older women free of cardiovascular disease (68±4 yrs; VO2peak: 21.1±5.2 mL/kg/min) at rest, and during light- (Power output: 42±10W; 0-10 rating of perceived exertion [RPE]: 3.6±1.5) and moderate-intensity (Power output: 60±9W; RPE: 5.4±1.8) supine stepping exercise on an MRI compatible ergometer. Results Biventricular volumes and Qc were evaluable in all cases, whilst SVO2 could not be calculated in two participants (due to aliasing artefact or excessive motion during exercise). Consequently, VO2 and Fick determinants were assessed at rest and during exercise in 22 participants (92%). Resting VO2 was 223±77 mL/min (3.3±1.2 mL/kg/min) and increased linearly with increasing power output to 597±191 mL/min (8.9±2.5 mL/kg/min) at light-intensity and 819±225 mL/min (12.2±3.3 mL/kg/min) at moderate-intensity exercise (Fig 1A). The increase in VO2 from rest to exercise was the result of a progressive increase in Qc (Fig 1B), and a widening of a-vO2diff (Rest: 4.2±1.5vs Mod: 9.2±2.0 ml/dL) secondary to a decrease in CvO2 (Fig 1C; Rest: 13.4±1.5 mL/dL vs Mod: 8.3±2.0) and SvO2 (Rest: 73±7% vs Mod: 45±10%). Conclusion A combined non-invasive real-time cardiac and venous susceptometry ExCMR approach was feasible for measuring VO2 and its Fick determinants, and demonstrated normal physiologic responses to light and moderate intensity exercise. Further work is needed to determine the feasibility and utility of this approach during peak exercise in individuals with health and established disease.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,955
Score d'incertitude au seuil0,416

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
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 Opus0,029
Tête enseignante GPT0,326
Écart entre enseignants0,297 · 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'étudeObservationnel
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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Journal of Preventive CardiologyMême sujetCardiovascular and exercise physiologyTravaux en français237 207