Back to Bernoulli: a simple formula for trans-stenotic pressure gradients and retrospective estimation of flow rates in cerebral venous disease
Notice bibliographique
Résumé
Background Venous sinus stenosis can be associated with cerebrovascular disorders. Understanding the role of blood flow disturbances in these disorders is often hampered by the lack of patient-specific flow rates. Our goal was to demonstrate the impact of this by predicting individual flow rates retrospectively from routine manometry and angiography. Methods Ten cases, spanning a range of stenosis severities and pressure gradients, were selected from a cohort of patients who had undergone venous stenting for pulsatile tinnitus. Lumen geometries were digitally segmented from CT venograms. A simplified Bernoulli formula was derived to estimate individual cycle-average flow rates from clinical pressure gradients and minimum lumen cross-section areas. High-fidelity pulsatile computational fluid dynamics (CFD) simulations were performed to compare predictions of flow disturbances using generic versus individual flow rates, and to validate the Bernoulli formula. Results Individual flow rates derived from the Bernoulli formula deviated by up to 47% from the assumed generic flow rate, resulting in substantial differences in CFD predictions of post-stenotic flow instabilities. Pressure gradients estimated by the simplified Bernoulli formula were, however, highly predictive of pressure gradients from the full CFD simulations (R 2 =0.95; slope=0.98, 95% CI 0.88 to 1.09). Conclusions A simple Bernoulli formula can predict CFD-estimated trans-stenotic pressure gradients in realistic venous geometries. As demonstrated here, this may be used to recover individual flow rates from routine-but-invasive clinical measurements; however, it also suggests a simpler path towards non-invasive estimation of trans-stenotic pressure gradients that may avoid some of the challenges associated with 4D flow MRI approaches.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».