Quantifying exertional symptoms throughout incremental CPET adds value to peak measurements across the range of COPD severity
Notice bibliographique
Résumé
Background: Isolated measurements of dyspnoea and leg effort at peak exercise may provide an imperfect picture of the actual symptom burden in patients with COPD. Aim: To investigate whether assessing submaximal symptom burden across progressively higher exercise intensities adds value to discrete peak symptom scores. Methods: After developing sex- and age-adjusted standards for CR 10 Borg dyspnoea and leg effort versus work rate, we used a novel AI-based software (DyVe-X) to determine the overall burden of each symptom (best centile of intensity) during incremental cycle ergometry in 354 patients (196 men) with COPD of varied severity. Results: Leg effort was the main limiting symptom in 158/354 patients (44.6%); 88 of them (55.7%) showed “severe-to-very severe” (>75th centile) submaximal dyspnoea. Conversely, dyspnoea was the main limiting symptom in 99/354 patients (28.0%): 45 of them (64.18%) showed “severe-to-very severe” submaximal leg effort (p<0.01) (upper panel). Moreover, peak leg effort and dyspnoea typically underestimated their individual submaximal burden (lower panel) across GOLD stages (p<0.01). erj;64/suppl_68/OA1955/F1 F1 F1 Conclusions: Peak scores of dyspnoea and leg effort underestimated the severity of each symptom as measured throughout incremental exercise in COPD. A novel AI-based approach better exposed the actual extension of the overall symptom burden experienced by these 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 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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».