Profiling Number of Swallows per Bolus and Residue in Individuals With Amyotrophic Lateral Sclerosis
Notice bibliographique
Résumé
Purpose: Swallowing efficiency impairments are the most prevalent and earliest manifestation of dysphagia in people with amyotrophic lateral sclerosis (pALS). We aimed to profile number of swallows elicited in pALS across thin liquid, moderately thick liquid, extremely thick liquid, and crackers compared to expected healthy reference data and to determine relationships between degree of pharyngeal residue, number of elicited swallows, and swallowing safety. Method: pALS underwent standardized videofluoroscopic swallowing studies of 10 bolus trials. Trained raters performed duplicate, independent, and blinded ratings to derive Dynamic Imaging Grade of Swallowing Toxicity (DIGEST) efficiency and safety grades and Analysis of Swallowing Physiology: Events, Kinematics, and Timing (ASPEKT) percent total pharyngeal residue. Number of swallows per bolus was quantified (1 = typical, 2 = atypically high, 3 = extremely high). Kruskal–Wallis, Pearson chi-square, and odds ratio analyses were performed at bolus and participant levels. Key Results: At the bolus level ( N = 2,523), number of swallows per bolus was observed to be, in rank order, as follows: atypically high (49.1%), extremely high (28.5%), and typical (22.4%). Mean number of swallows significantly differed by International Dysphagia Diet Standardisation Initiative level ( p < .0001), with a higher number of swallows elicited in pALS for moderately thick versus thin liquids, extremely thick liquids, and crackers, p < .0001. Number of swallows per bolus increased with increasing DIGEST efficiency grades ( p < .0001). Positive correlations were observed between ASPEKT percent residue and number of swallows for thin ( r = .24) and moderately thick ( r = .16) liquids, p < .05. DIGEST efficiency and safety grades were not significantly associated ( p > .05). Conclusion and Inferences: pALS demonstrated a higher number of swallows per bolus compared to healthy reference data that may represent a compensation for reductions in swallowing efficiency to clear pharyngeal residue.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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 ».