End tidal-to-arterial CO<sub>2</sub>and O<sub>2</sub>gas gradients at low- and high-altitude during dynamic end-tidal forcing
Notice bibliographique
Résumé
We sought to characterize and quantify the performance of a portable dynamic end-tidal forcing (DEF) system in controlling the partial pressure of arterial CO2 (Pa(CO2)) and O2 (Pa(O2)) at low (LA; 344 m) and high altitude (HA; 5,050 m) during an isooxic CO2 test and an isocapnic O2 test, which is commonly used to measure ventilatory and vascular reactivity in humans (n = 9). The isooxic CO2 tests involved step changes in the partial pressure of end-tidal CO2 (PET(CO2)) of -10, -5, 0, +5, and +10 mmHg from baseline. The isocapnic O2 test consisted of a 10-min hypoxic step (PET(O2) = 47 mmHg) from baseline at LA and a 5-min euoxic step (PET(O2) = 100 mmHg) from baseline at HA. At both altitudes, PET(O2) and PET(CO2) were controlled within narrow limits (<1 mmHg from target) during each protocol. During the isooxic CO2 test at LA, PET(CO2) consistently overestimated Pa(CO2) (P < 0.01) at both baseline (2.1 ± 0.5 mmHg) and hypercapnia (+5 mmHg: 2.1 ± 0.7 mmHg; +10 mmHg: 1.9 ± 0.5 mmHg). This P(a)-PET(CO2) gradient was approximately twofold greater at HA (P < 0.05). At baseline at both altitudes, PET(O2) overestimated Pa(O2) by a similar extent (LA: 6.9 ± 2.1 mmHg; HA: 4.5 ± 0.9 mmHg; both P < 0.001). This overestimation persisted during isocapnic hypoxia at LA (6.9 ± 0.6 mmHg) and during isocapnic euoxia at HA (3.8 ± 1.2 mmHg). Step-wise multiple regression analysis, on the basis of the collected data, revealed that it may be possible to predict an individual's arterial blood gases during DEF. Future research is needed to validate these prediction algorithms and determine the implications of end-tidal-to-arterial gradients in the assessment of ventilatory and/or vascular reactivity.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| 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 ».