Intra-breath changes in respiratory mechanics assessed from multi-frequency oscillometry measurements
Notice bibliographique
Résumé
Abstract Objective . Recent studies in respiratory system impedance (Zrs) with single-frequency oscillometry have demonstrated the utility of novel intra-breath measures of Zrs in the detection of pathological alterations in respiratory mechanics. In the present work, we addressed the feasibility of extracting intra-breath information from Zrs data sets obtained with conventional oscillometry. Approach . Multi-frequency recordings obtained in a pulmonology practice were re-analysed to track the 11 Hz component of Zrs during normal breathing and compare the intra-breath measures to that obtained with a single 10 Hz signal in the same subjects. A nonlinear model was employed to simulate changes in Zrs in the breathing cycle. The values of resistance ( R ) and reactance ( X ) at end expiration and end inspiration and their corresponding differences (Δ R and Δ X ) were compared. Main results . All intra-breath measures exhibited similar mean values at 10 and 11 Hz in each subject; however, the variabilities were higher at 11 Hz, especially for Δ R and Δ X . The poorer quality of the 11 Hz data was primarily caused by the overlapping of modulation side lobes of adjacent oscillation frequencies. This cross-talk was enhanced by double breathing frequency components due to flow nonlinearities. Significance . Retrospective intra-breath assessment of large or special data bases of conventional oscillometry can be performed to better characterise respiratory mechanics in different populations and disease groups. The results also have implications in the optimum design of multiple-frequency oscillometry (avoidance of densely spaced frequencies) and the use of filtering procedures that preserve the intra-breath modulation information.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,001 | 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 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 ».