Pathophysiology of Muscle in Pulmonary and Cardiovascular Conditions
Notice bibliographique
Résumé
Purpose: To provide an overview of skeletal muscle pathophysiology in pulmonary and cardiovascular conditions commonly managed by physical therapists. Summary of Key Points: This review describes the muscle pathophysiology associated with congestive heart failure, chronic obstructive pulmonary disease, interstitial lung disease, cystic fibrosis, intensive care unit–acquired weakness, immobilization, and aging. Causes of poor muscle performance are multifactorial; disease-specific and generic factors can contribute to the etiology. The time course of deterioration of peripheral and ventilatory muscle may each follow a distinctive course dependent on disease severity, its progression, and other influencing factors. Generic factors that are common in many respiratory and cardiovascular conditions are systemic inflammation and oxidative stress leading to peripheral and ventilatory muscle dysfunction that is accentuated by reduced physical activity. Loss of muscle function associated with aging is also reflected in both peripheral and ventilatory muscles. Evidence of how exercise training can counter the deleterious effects of disease on physical function is outlined. Statement of Conclusions: Patients with pulmonary and cardiovascular conditions may experience atrophy and weakness due to macroscopic, cellular, and metabolic alterations. Physical therapy interventions to improve muscle function need to consider the potential reversibility and related time course of the underlying pathophysiology of muscle dysfunction.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 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 ».