Effects of Hyperoxia on Ventilatory Limitation During Exercise in Advanced Chronic Obstructive Pulmonary Disease
Notice bibliographique
Résumé
We studied interrelationships between exercise endurance, ventilatory demand, operational lung volumes, and dyspnea during acute hyperoxia in ventilatory-limited patients with advanced chronic obstructive pulmonary disease (COPD). Eleven patients with COPD (FEV(1.0) = 31 +/- 3% predicted, mean +/- SEM) and chronic respiratory failure (Pa(O(2)) 52 +/- 2 mm Hg, Pa(CO(2 ))48 +/- 2 mm Hg) breathed room air (RA) or 60% O(2) during two cycle exercise tests at 50% of their maximal exercise capacity, in randomized order. Endurance time (T(lim)), dyspnea intensity (Borg Scale), ventilation (V E), breathing pattern, dynamic inspiratory capacity (IC(dyn)), and gas exchange were compared. Pa(O(2)) at end-exercise was 46 +/- 3 and 245 +/- 10 mm Hg during RA and O(2), respectively. During O(2), T(lim) increased 4.7 +/- 1.4 min (p < 0.001); slopes of Borg, V E, V CO(2), and lactate over time fell (p < 0.05); slopes of Borg-V E, V E-V CO(2), V E-lactate were unchanged. At a standardized time near end-exercise, O(2) reduced dyspnea 2.0 +/- 0.5 Borg units, V CO(2) 0.06 +/- 0.03 L/min, V E 2.8 +/- 1.0 L/min, and breathing frequency 4.4 +/- 1.1 breaths/min (p < 0.05 each). IC(dyn) and inspiratory reserve volume (IRV) increased throughout exercise with O(2) (p < 0.05). Increased IC(dyn) was explained by the combination of increased resting IRV and decreased exercise breathing frequency (r(2) = 0.83, p < 0.0005). In conclusion, improved exercise endurance during hyperoxia was explained, in part, by a combination of reduced ventilatory demand, improved operational lung volumes, and dyspnea alleviation.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».