MétaCan
Menu
← Retour à la cohorte
Enregistrement W57186613 · doi:10.1096/fasebj.21.5.a563-a

Modeling Mechanical Determinants of Skeletal Muscle Perfusion

2007· article· en· W57186613 sur OpenAlexaff
J. Kevin Shoemaker, M. Zamir

Notice bibliographique

RevueThe FASEB Journal · 2007
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiovascular and exercise physiology
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésVasomotorViscoelasticityPerfusionCompliance (psychology)AnatomyMechanicsCuffBrachial arteryFlow (mathematics)Biomedical engineeringCardiologyPhysicsInternal medicineBlood pressureMedicineSurgeryThermodynamicsPsychology

Résumé

récupéré en direct d'OpenAlex

Current understanding of vasomotor regulation in skeletal muscle is based largely on changes in vascular resistance (R) that, in turn, reflects changes in vessel caliber. While this deals adequately with the steady component of flow, it neglects vessel compliance (C) which is a major determinant of the oscillatory component of flow. In this study we consider a modified Windkessel model (RCKL) in which the effects of R and C are examined along with those of fluid inertia (L) and viscoelasticity (K) of the vessel wall. The model is used to calculate a flow wave that results from a measured pressure wave; the computed wave is verified by comparison with one measured concurrently with the pressure wave. Values of R,C,K,L, required to produce agreement between the two waveforms are then recorded. The model was tested using brachial artery pressure (Millar) and flow (Doppler ultrasound) waveforms that were measured concurrently in a single individual during before and after altering R using wrist occlusion, and with the arm positioned level with, and above, heart level to change C independently of R. In (1) R increased 4‐fold with minimal change in C, while in (2) C increased 2‐fold with no change in R. Thus, the model offers an extended probe to study vasomotor regulation. Supported by the NSERC‐CIHR Collaborative Health Research Program

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,021
Tête enseignante GPT0,281
Écart entre enseignants0,260 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe FASEB Journal→Même sujetCardiovascular and exercise physiology→Travaux en français237 207→