A practical clinical approach to utilize cardiopulmonary exercise testing in the evaluation and management of coronary artery disease
Notice bibliographique
Résumé
PURPOSE OF REVIEW: There is growing clinical interest for the use of cardiopulmonary exercise testing (CPET) to evaluate patients with or suspected coronary artery disease (CAD). With mounting evidence, this concise review with relevant teaching cases helps to illustrate how to integrate CPET data into real world patient care. RECENT FINDINGS: CPET provides a novel and purely physiological basis to identify cardiac dysfunction in symptomatic patients with both obstructive-CAD and nonobstructive-CAD (NO-CAD). In many cases, abnormal cardiac response on CPET may be the only objective evidence of potentially undertreated ischemic heart disease. When symptomatic patients have NO-CAD on coronary angiogram, they are still at increased risk for cardiovascular events. This problem appears to be more common in women than men and may warrant more aggressive risk factor modification. As the main intervention is lifestyle (diet, smoking cessation, exercise) and medical therapy (statins, angiotensin-converting enzyme inhibitors, beta-blockers), serial CPET testing enables close surveillance of cardiovascular function and is responsive to clinical status. SUMMARY: CPET can enhance outpatient evaluation and management of CAD. Diagnostically, it can help to identify physiologically significant obstructive-CAD and NO-CAD in patients with normal routine cardiac testing. CPET may be of particular value in symptomatic women with NO-CAD. Prognostically, precise quantification of improvements in exercise capacity may help to improve long-term lifestyle and medication adherence for this chronic condition.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».