Mechanisms of Exertional Dyspnea in Patients with Mild COPD and a Low Resting DL<sub>CO</sub>
Notice bibliographique
Résumé
Patients with mild chronic obstructive pulmonary disease (COPD) and lower resting diffusing capacity for carbon monoxide (DLCO) often report troublesome dyspnea during exercise although the mechanisms are not clear. We postulated that in such individuals, exertional dyspnea is linked to relatively high inspiratory neural drive (IND) due, in part, to the effects of reduced ventilatory efficiency. This cross-sectional study included 28 patients with GOLD I COPD stratified into two groups with (n = 15) and without (n = 13) DLCO less than the lower limit of normal (<LLN; Global Lung Function Initiative criteria) and 16 healthy controls. We compared dyspnea (Borg scale), IND (by diaphragm electromyography), ventilatory equivalent for CO2 (V̇E/V̇CO2), and respiratory mechanics during incremental cycle exercise in the three groups. Spirometry and resting lung volumes were similar between COPD groups. During exercise, dyspnea, IND and V̇E/V̇CO2 were higher at equivalent work rates (WR) in the DLCO<LLN group compared with the other two groups (all p < 0.05). In patients with DLCO<LLN, severe respiratory mechanical constraints, indicated by end-inspiratory lung volume of approximately 90% of total lung capacity, occurred at a lower WR than the other two groups (p < 0.05). The dyspnea/IND relationship was similar across groups; therefore, the increased dyspnea at a standardized WR in the low DLCO<LLN group reflected the higher corresponding IND. Higher dyspnea ratings in patients with mild COPD and DLCO<LLN were associated with higher IND and V̇E/V̇CO2 at a given work rate. Higher ventilatory requirements in the DLCO<LLN group accelerated dynamic mechanical abnormalities earlier in exercise, further increasing IND and dyspnea.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».