Combined Effects of Obesity and Chronic Obstructive Pulmonary Disease on Dyspnea and Exercise Tolerance
Notice bibliographique
Résumé
RATIONALE: Severity of lung hyperinflation is known to influence the extent of dyspnea and exercise intolerance among patients with chronic obstructive pulmonary disease (COPD) with similar degrees of airway obstruction. Lung volume components are consistently affected by body mass index (BMI) in health and in disease. OBJECTIVES: To explore the complex interactions between obesity, lung hyperinflation, dyspnea, and exercise performance in COPD. METHODS: We compared dyspnea intensity ratings and ventilatory responses (breathing pattern, operating lung volumes, and gas exchange) during symptom-limited incremental cycle exercise in well-characterized groups of 18 obese (mean BMI +/- SD, 35 +/- 4 kg/m(2)) and 18 normal-weight (mean BMI +/- SD, 22 +/- 2 kg/m(2)) patients with moderate to severe COPD. MEASUREMENTS AND MAIN RESULTS: Groups were well matched for FEV(1) (mean 49% predicted) and diffusing capacity (means >70% predicted), but resting lung hyperinflation (end-expiratory lung volume [EELV]) was significantly reduced in association with increasing BMI (P < 0.005). In the obese patients, peak symptom-limited oxygen uptake was increased (P < 0.01) and dyspnea ratings at a standardized ventilation were decreased (P < 0.01) compared with normal-weight patients. Ratings of dyspnea intensity at a standardized ventilation during exercise correlated well with the concurrent dynamic EELV/total lung capacity (TLC) ratio (r = 0.68; P < 0.00001) and with the resting EELV/TLC (r = 0.67; P < 0.00001). CONCLUSIONS: The combined mechanical effects of obesity and COPD reduced operating lung volumes at rest and throughout exercise with favorable influences on dyspnea perception and peak oxygen uptake during cycle ergometry.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| 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 ».