Influence of Disease Severity and Exercise Limitation on Exercise Training Intensity and Load and Health Benefits From Pulmonary Rehabilitation in Patients With COPD
Notice bibliographique
Résumé
PURPOSE: Some patients with chronic obstructive pulmonary disease (COPD) fail to achieve health benefits with pulmonary rehabilitation (PR). Exercise intensity and load represent stimulus for adaptation but it is unclear whether inappropriate exercise intensity and/or load are affected by severity of COPD, which may affect health benefits. The purpose was to determine whether COPD severity and/or the severity of pulmonary limitation to exercise (PLE) impacted exercising intensity or load and whether resultant intensity/load affected health outcomes derived from PR. METHODS: Patients with COPD (n = 58, age = 67 ± 7 y, forced expiratory volume in the first second of expiration [FEV1] % predicted = 52 ± 21%) were recruited upon referral to PR. Primary health outcomes evaluated were 6-min walk distance and St George's Respiratory Questionnaire. Patients were stratified for disease severity using Global Initiative for Obstructive Lung Disease (GOLD) staging and PLE severity by change in inspiratory capacity during exercise. Exercise intensity and load were calculated from daily exercise records. RESULTS: Participants achieved comparable training duration and load regardless of GOLD severity. Patients with more severe PLE achieved greater training duration (more severe: 546 ± 143 min., less severe: 451 ± 109 min., P = .036), and relative training load (more severe: 2200.8 ± 595.3 kcal, less severe: 1648.3 ± 597.8 kcal, P = .007). Greater overall training load was associated with greater improvements in 6-min walk distance (r = 0.24, P = .035). No significant relationships were observed between PLE, GOLD severity, training parameters, and St George's Respiratory Questionnaire response. CONCLUSIONS: Improvements in exercise tolerance can be explained by achieving greater training loads, demonstrating the importance of appropriate training load to maximize health outcomes in PR.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».