Lung compartment analysis assessed from N<sub>2</sub> multiple‐breath washout in children with cystic fibrosis
Notice bibliographique
Résumé
Abstract Background Compartment analysis (CA) based on nitrogen multiple‐breath washout (N 2 MBW) has been shown to allow the assessment of specific volume and ventilation of faster‐ and slower‐ventilating lung compartments of the lung in adults with cystic fibrosis (CF). The aim of this study was to extend previous findings into the pediatric age range. Methods Cross‐sectional multicenter observational study in children with CF and healthy controls (HC) was done with the assessment of N 2 MBW and spirometry. A two‐lung compartment model‐based analysis (CA) was used to estimate size and function of faster‐ and slower‐ventilating lung compartments from N 2 MBW. Results A total of 125 children with CF and 177 HC, median age 10.8 (range, 2.8‐18.9) years, were included in the analysis. CA could be calculated in 66 (53%) children with CF compared with 48 (27%) HC ( P < .0001). The proportion of the slower‐ventilating lung compartment was significantly smaller in children with CF (53.5%; 95% confidence interval [CI]: 51.9%‐55.7%) compared with HC (62.2%; 95% CI: 59.0%‐65.0%) The regional specific ventilation of the slower compartment (rV T ,slow/rFRC,slow, %) was significantly lower in children with CF (4.9%; 95% CI: 4.5‐5.9) compared with HC (9.7%, 95% CI: 9.2‐10.9), and showed inverse correlation to lung clearance index ( r 2 = −.65; P < .0001), S acin × VT ( r 2 = −.36; P = .003) and S cond × VT ( r 2 = −.51; P < .0001). There was no significant difference in pulmonary parameters between children with CF with and without feasible CA. Conclusion CA is less feasible in children than in adults and correlated to other MBW parameters. The clinical value of CA is still unclear and is yet to be established.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| 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 ».