Late Breaking Abstract - Dysanapsis is a major determinant of airflow limitation among older adults
Notice bibliographique
Résumé
<b>Background</b> Chronic obstructive pulmonary disease (COPD) is characterized by airflow limitation. Dysanapsis refers to the disproportionate scaling of airway dimensions to lung volume. We sought to quantify the relationship between dysanapsis and airflow limitation in a population-based sample. <b>Methods</b> The Multi-Ethnic Study of Atherosclerosis (MESA) Lung Study performed spirometry, lung CT, and assessed traditional COPD risk factors including primary and secondary smoke exposures, prior asthma diagnosis, occupational exposures, and the MESA Air Study quantified long-term individual-level air pollution exposure. Airflow limitation was quantified as FEV1/FVC, and COPD as a post-bronchodilator FEV1/FVC<0.70. Airway tree dimensions and lung volume were quantified from CT (VIDA). Dysanapsis for each airway was quantified as the deviation of observed airway lumen diameter from that predicted by lung volume and traditional COPD risk factors. Adjusted R2 quantified the variation in FEV1/FVC explained by dysanapsis vs traditional COPD risk factors (bootstrap). <b>Results</b> Among 2,523 participants (age 69±9 yr, 47% male, 39% white, 48% non-smoker, FEV1/FVC 0.74±0.08), the mean dysanapsis was 0.0±10.5% of predicted airway lumen diameter. Dysanapsis explained 17.7% of FEV1/FVC, whereas traditional COPD risk factors explained 9.6% of FEV1/FVC (p<0.0001). Dysanapsis had a greater area under the receiver-operator characteristic curve for COPD when compared with traditional COPD risk factors (p<0.0001). Results adjusted for age, height, gender, and race were similar. <b>Conclusion</b> In a population-based sample of older adults, dysanapsis explains more airflow limitation than traditional COPD risk factors.
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 | 0,001 | 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 | 0,000 |
| 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) | 0,001 | 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 ».