Longitudinal assessment of lung clearance index to monitor disease progression in children and adults with cystic fibrosis
Notice bibliographique
Résumé
Background Lung clearance index (LCI) is a valuable research tool in cystic fibrosis (CF) but clinical application has been limited by technical challenges and uncertainty about how to interpret longitudinal change. In order to help inform clinical practice, this study aimed to assess feasibility, repeatability and longitudinal LCI change in children and adults with CF with predominantly mild baseline disease. Methods Prospective, 3-year, multicentre, observational study of repeated LCI measurement at time of clinical review in patients with CF >5 years, delivered using a rapid wash-in system. Results 112 patients completed at least one LCI assessment and 98 (90%) were still under follow-up at study end. The median (IQR) age was 14.7 (8.6–22.2) years and the mean (SD) FEV 1 z-score was −1.2 (1.3). Of 81 subjects with normal FEV 1 (>−2 z-scores), 63% had raised LCI (indicating worse lung function). For repeat stable measurements within 6 months, the mean (limits of agreement) change in LCI was 0.9% (−18.8% to 20.7%). A latent class growth model analysis identified four discrete clusters with high accuracy, differentiated by baseline LCI and FEV 1 . Baseline LCI was the strongest factor associated with longitudinal change. The median total test time was under 19 min. Conclusions Most patients with CF with well-preserved lung function show stable LCI over time. Cluster behaviours can be identified and baseline LCI is a risk factor for future progression. These results support the use of LCI in clinical practice in identifying patients at risk of lung function decline.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,000 | 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 ».