Chronic breathlessness in fibrotic interstitial lung diseases—patient centered assessment and management in outpatient settings
Notice bibliographique
Résumé
Chronic breathlessness (CB) or dyspnea is prevalent in fibrotic interstitial lung diseases (F-ILD). It is the main driver of a poor health-related quality of life (HRQOL). Timely and accurate assessment and management of CB are paramount in F-ILD care. This is reflected in latest American and European guidelines that recommend early integration of symptom-targeted therapies. Despite calls for improved CB care, evidence indicates that it remains under recognized and under treated. This narrative review focuses on the current evidence for CB assessment and management in F-ILD and proposes an algorithm for patient-centered management of CB in an outpatient setting. An overview of CB assessment tools is provided along with recommendations from guidelines and experts. The limited evidence base for CB interventions in ILD is reviewed; existing dyspnea guidelines recommend a hierarchical approach to therapies starting with the implementation of nonpharmacologic interventions (NPI). Pulmonary rehabilitation is the most common NPI in F-ILD, that improves function, dyspnea, and HRQOL. Oxygen can be prescribed to treat CB associated with exertional hypoxemia early in the course of F-ILD, with evidence suggesting short-term improvements in CB and HRQOL. For patients with severe, persistent CB despite optimization of NPI and oxygen, opioids can be prescribed, initially as short-acting, low-dose oral morphine with prophylactic doses for exertion and as needed for crises. Self-management education and written action plans may help improve patient confidence and control. Development of competency in symptom management and fostering a professional and institutional culture prioritizing CB will advance patient care and should be a priority for F-ILD patients.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 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 | 0,000 |
| 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 ».