A scoping review of neuromodulation techniques for controlling blood pressure: what are the ups and downs to this approach?
Notice bibliographique
Résumé
Abstract Background and Objectives While there has been rapid progress in research aimed at developing device-based neuromodulation therapies for blood pressure (BP) disorders, there is a paucity of FDA-approved therapies. Currently, the only approved devices for treating resistant hypertension use renal denervation, however, this could soon change as clinical research progresses. With the evolution of interventional strategies for BP regulation, it is important to comprehend the developments to date in order to gauge directions for future research. The objective of this scoping review was to provide the current range of device-based BP neuromodulation approaches, overview salient characteristics of the included studies, address limitations, and detail avenues of further investigation. Methods Our review was conducted using the Preferred Reporting Items for Reviews and and Meta-analysis framework. The literature search was performed across the Web of Science Core Collection, Scopus, and Pubmed databases. The search yielded 3503 studies, of which 100 studies remained following the screening process. In the last 10 years, there has been an increase in the number of experimental neurostimulation studies detailing increases and decreases in BP. Of all the included studies, most adopted a non-randomized experimental approach (89%), used animal participants (65%), used invasive neuromodulation methods (74%), and performed acute experiments (84%). More studies documented only depressor responses (49%) compared to pressor responses (35%), and 13% reported both pressor and depressor responses using multiple neural targets. Conclusions This review addressed developments in device-based BP neuromodulation, highlighting a dominant focus on treating resistant hypertension compared to hypotensive disorders. While advancements in implantable electrodes have improved spatial selectivity of stimulation, non-invasive neurostimulation devices have become increasingly popular in recent years.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,031 | 0,125 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,009 | 0,009 |
| Bibliométrie | 0,026 | 0,023 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,006 | 0,007 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,005 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».