Effects of cigarette smoke exposure on pulmonary physiology, muscle strength and exercise capacity in a retrospective cohort with 30,000 subjects
Notice bibliographique
Résumé
BACKGROUND: The effects of long-term cigarette smoke exposure on pulmonary physiology and how those effects lead to reduced exercise capacity are not well established. METHODS: We retrospectively analyzed the spirometry, single-breath gas transfer (DLCO), peripheral muscle strength, and maximum exercise capacity data in patients referred to McMaster University Medical Centre for cardiopulmonary exercise testing between 2000 and 2012. RESULTS: 29,441 subjects underwent CPET and had a recorded smoking history [58% male, mean age 51.1 years (S.D.±19.6), BMI 27.4 kg/m2(±5.8)]. 7081 (24%) were current or former smokers and were divided into 4 categories by packs years (mean ±S.D.): <10 (5.8±3.3), 10-20 (17.1±2.9), 20-30 (27.1±2.8), 30-40 (37.3±2.8), and >40 (53.9±12.8). Patients with greater cigarette smoke exposure had lower expiratory flow rates (FEV1, FEF50, FEF75, PEFR), DLCO, and maximum power output (MPO) during exercise. There was no association between smoke exposure and muscle strength. Modeling MPO (kpm/min) output as a function of demographic and physiologic variables showed that the data are well explained by muscle strength (kg), FEV1 (L), and DLCO (mmHg/min/mL) in similar magnitude (MPO = 42.7*Quads0.34*FEV10.34 * DLCO0.43; r = 0.84). CONCLUSIONS: Long-term cigarette smoke exposure is associated with small airway narrowing and impaired diffusion capacity but not with peripheral muscle weakness. The effects of smoking, age, and gender on maximum power output are mediated by reductions in FEV1, muscle strength and DLCO. Exercise capacity in smokers may benefit from therapies targeting all 3 variables.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».