MétaCan
Menu
Retour à la cohorte
Enregistrement W4414382943 · doi:10.3390/bioengineering12091006

Relationship Between RAP and Multi-Modal Cerebral Physiological Dynamics in Moderate/Severe Acute Traumatic Neural Injury: A CAHR-TBI Multivariate Analysis

2025· article· en· W4414382943 sur OpenAlexafffund
Abrar Islam, Kevin Y. Stein, Donald Griesdale, Mypinder S. Sekhon, Rahul Raj, Françis Bernard, Clare Gallagher, Eric Peter Thelin, François Mathieu, Andreas H. Kramer, Marcel Aries, Logan Froese, Frederick A. Zeiler

Notice bibliographique

RevueBioengineering · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueTraumatic Brain Injury and Neurovascular Disturbances
Établissements canadiensUniversity of TorontoUniversity of CalgaryUniversité de MontréalHotchkiss Brain InstituteUniversity of British ColumbiaPan Am ClinicUniversity of Manitoba
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health ResearchKarolinska InstitutetResearch ManitobaHealth Sciences Centre Foundation
Mots-clésMetric (unit)TrajectoryPsychological interventionMultivariate analysisDynamics (music)Multivariate statisticsProspective cohort study

Résumé

récupéré en direct d'OpenAlex

Background: The cerebral compliance (or compensatory reserve) index, RAP, is a critical yet underutilized physiological marker in the management of moderate-to-severe traumatic brain injury (TBI). While RAP offers promise as a continuous bedside metric, its broader cerebral physiological context remains partly understood. This study aims to characterize the burden of impaired RAP in relation to other key components of cerebral physiology. Methods: Archived data from 379 moderate-to-severe TBI patients were analyzed using descriptive and threshold-based methods across three RAP states (impaired, intact/transitional, and exhausted). Agglomerative hierarchical clustering, principal component analysis, and kernel-based clustering were applied to explore multivariate covariance structures. Then, high-frequency temporal analyses, including vector autoregressive integrated moving average impulse response functions (VARIMA IRF), cross-correlation, and Granger causality, were performed to assess dynamic coupling between RAP and other physiological signals. Results: Impaired and exhausted RAP states were associated with elevated intracranial pressure (p = 0.021). Regarding AMP, impaired RAP was associated with elevated levels, while exhausted RAP was associated with reduced pulse amplitude (p = 3.94 × 10−9). These two RAP states were also associated with compromised autoregulation and diminished perfusion. Clustering analyses consistently grouped RAP with its constituent signals (ICP and AMP), followed by brain oxygenation parameters (brain tissue oxygenation (PbtO2) and regional cerebral oxygen saturation (rSO2)). Cerebral autoregulation (CA) indices clustered more closely with RAP under impaired autoregulatory states. Temporal analyses revealed that RAP exhibited comparatively stronger responses to ICP and arterial blood pressure (ABP) at 1-min resolution. Moreover, when comparing ICP-derived and near-infrared spectroscopy (NIRS)-derived CA indices, they clustered more closely to RAP, and RAP demonstrated greater sensitivity to changes in these ICP-derived CA indices in high-frequency temporal analyses. These trends remained consistent at lower temporal resolutions as well. Conclusion: RAP relationships with other parameters remain consistent and differ meaningfully across compliance states. Integrating RAP into patient trajectory modelling and developing predictive frameworks based on these findings across different RAP states can map the evolution of cerebral physiology over time. This approach may improve prognostication and guide individualized interventions in TBI management. Therefore, these findings support RAP’s potential as a valuable metric for bedside monitoring and its prospective role in guiding patient trajectory modeling and interventional studies in TBI.

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)0,000
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,388
Score d'incertitude au seuil0,864

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
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 Opus0,040
Tête enseignante GPT0,305
Écart entre enseignants0,265 · 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

Citations1
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBioengineeringMême sujetTraumatic Brain Injury and Neurovascular DisturbancesTravaux en français237 207