Examining the upper frequency limit of dynamic cerebral autoregulation: Considerations across the cardiac cycle during eucapnia
Notice bibliographique
Résumé
There are differences within the literature regarding the upper frequency cut-off point of the dynamic cerebral autoregulation (CA) high-pass filter. The projection pursuit regression approach has demonstrated that the upper frequency limit is ∼0.07 Hz, whereas another approach [transfer function analysis (TFA) phase approaching zero] indicated a theoretical upper frequency limit for the high-pass filter of 0.24 Hz. We investigated how these limits accurately represent the CA upper frequency limit, in addition to extending earlier findings with respect to biological sexes and across the cardiac cycle. Sixteen participants (nine females and seven males) performed repeated squat-stand manoeuvres at frequencies of 0.05, 0.10, 0.15, 0.20 and 0.25 Hz, with insonation of the middle and posterior cerebral arteries. Linear regression modelling with adjustment for sex and order of squat completion was used to compared TFA gain and phase with 0.25 Hz (above the theoretical limit of CA). The upper frequency limit of CA with TFA gain was within the range of 0.05-0.10 Hz, whereas TFA phase was within the range of 0.20-0.25 Hz, and consistent between vessels, between sexes and across the cardiac cycle. Females displayed greater middle cerebral artery gain compared with males (all P < 0.047), and no phase differences were present (all P > 0.072). Although sex-specific differences were present for specific TFA metrics at a given frequency, the upper frequency limit of autoregulation was similar between cerebral conduit vessels, cardiac cycle phase and biological sex. Future work is warranted to determine whether an upper frequency limit exists with respect to hysteresis analyses.
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) | 0,000 | 0,000 |
| 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 ».