Longitudinal Imaging-Based Clusters in Former Smokers of the COPD Cohort Associate with Clinical Characteristics: the SubPopulations and Intermediate Outcome Measures in COPD Study (SPIROMICS)
Notice bibliographique
Résumé
Abstract Background: Quantitative CT (qCT) imaging-based cluster analysis identified clinically meaningful COPD former-smoker subgroups (clusters) based on cross-sectional data. We aimed to identify progression clusters for former smokers using longitudinal data.Patients and Methods: We selected 472 former smokers from SPIROMICS with a baseline visit and a one-year follow-up visit. A total of 150 qCT imaging-based variables, comprising 75 variables at baseline and their corresponding progression rates, were derived from the respective inspiration and expiration scans of the two visits. The COPD progression clusters identified were then associated with subject demography, clinical variables and biomarkers.Results: COPD severities at baseline increased with increasing cluster number. Cluster 1 patients were an obese subgroup with rapid progression of functional small airway disease percentage (fSAD%) and emphysema percentage (Emph%), and preserved FEV1%predicted but impairment of FEV1/FVC ratio over one year. Cluster 2 exhibited a decrease of fSAD% and Emph%, an increase of tissue fraction at total lung capacity, airway narrowing, and a reduced post-bronchodilator FEV1%predicted but preserved FEV1/FVC ratio over one year. Cluster 3 showed rapid expansion of Emph% and an attenuation of fSAD%. Cluster 4 demonstrated severe emphysema and fSAD and significant structural alterations at baseline with rapid progression of fSAD% over one year. Subjects with different progression patterns in the same cross-sectional cluster were identified by longitudinal clustering.Conclusions: qCT imaging-based metrics at two visits for former smokers allow for the derivation of four statistically stable clusters associated with unique progression patterns and clinical characteristics. Use of baseline variables and their progression rates enables identification of longitudinal clusters, resulting in a refinement of cross-sectional clusters.
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 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».