Inconsistent calculation methodology for the eucapnic voluntary hyperpnoea test affects the diagnosis of exercise-induced bronchoconstriction
Notice bibliographique
Résumé
Introduction The eucapnic voluntary hyperpnoea (EVH) challenge is used to screen for exercise-induced bronchoconstriction. Several criteria have been proposed to determine the decrease in lung function (fall index, FI) following EVH. We compared three published FI calculation methods to determine if they affect the diagnostic classification. Methods The three FIs were calculated for 126 EVH tests. Spirometry was performed in duplicate at baseline and repeated 3, 5, 10, 15 and 20 min following 6 min of EVH. The higher of the two forced expiratory volume in 1 s (FEV 1 ) measures at all time-points post-hyperpnoea was selected for the calculation of the FIs. The FI A was determined as the single lowest of the five postchallenge values, and a test was considered positive if FEV 1 decreased ≥10 %. In FI B , a test was considered positive if FEV 1 decreased ≥10% at two consecutive post-challenge time-points. The FI C was calculated identically to FI A , but was normalised to the achieved minute ventilation during the EVH challenge. Results Calculation method affected the raw FIs with FI B generating the smallest and FI C generating the highest values (p<0.001) and a within-subject range of 7%±10%. The number of positive tests differed between the calculation criteria: FI A : 62, FI B : 48 and FI C : 70, p<0.001. Nineteen participants (15%) tested positive in one or two FI methods only, indicating that the FI method used determined whether the test was positive or negative. Discussion Inconsistency in methodology of calculating the FI leads to differences in the diagnostic rate of the EVH test, with potential implications in both treatment and research outcomes.
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 | 0,012 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».