Muscle and cerebral oxygenation during cycling in chronic obstructive pulmonary disease: A scoping review
Notice bibliographique
Résumé
To synthesize evidence for prefrontal cortex (PFC), quadriceps, and respiratory muscle oxygenation using near-infrared spectroscopy (NIRS) during cycling in individuals with chronic obstructive pulmonary disease (COPD). A scoping review was performed searching databases (inception-August 2020): Ovid MEDLINE, EMBASE, Cochrane Systematic Reviews, Cochrane Central Register of Controlled Clinical Trials, CINAHL, SPORTDiscus and Pedro. The search focused on COPD, cycling, and NIRS outcomes. 29 studies (541 COPD participants) were included. Compared to healthy individuals (8 studies), COPD patients at lower cycling workloads had more rapid increases in vastus lateralis (VL) deoxygenated hemoglobin (HHb); lower increases in VL total hemoglobin (tHb) and blood flow; and lower muscle tissue saturation (StO 2 ). Heliox and bronchodilators were associated with smaller and slower increases in VL HHb. Heliox increased VL and intercostal blood flow compared to room air and supplemental oxygen in COPD patients (1 study). PFC oxygenated hemoglobin (O 2 Hb) increased in COPD individuals during cycling in 5 of 8 studies. Individuals with COPD and heart failure demonstrated worse VL and PFC NIRS outcomes compared to patients with only COPD—higher or more rapid increase in VL HHb and no change or decrease in PFC O 2 Hb. Individuals with COPD present with a mismatch between muscle oxygen delivery and utilization, characterized by more rapid increase in VL HHb, lower muscle O 2 Hb and lower muscle StO 2 . PFC O 2 Hb increases or tends to increase in individuals with COPD during exercise, but this relationship warrants further investigation. NIRS can be used to identify key deoxygenation thresholds during exercise to inform PFC and muscle oxygenation.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».