Long-term alveolar-capillary diffusion impairments after severe SARS-CoV-2 pneumonia
Notice bibliographique
Résumé
BACKGROUND: Persistent respiratory symptoms and impaired gas exchange are common in patients recovering from COVID-19 pneumonia. The Lung Diffusing Capacity for Carbon Monoxide (DLCO) and Carbon Monoxide Transfer Coefficient (KCO) do not adequately distinguish alveolar membrane dysfunction from vascular abnormalities. This study aimed to characterize persistent diffusion impairment in post-ICU patients with prior SARS-CoV-2 pneumonia and reduced DLCO. METHODS: After hospital discharge, patients underwent spirometry, DLCO measurement, and a 6-minute walking test every six months. If DLCO remained impaired at 18-24 months, a combined Lung Diffusing Capacity for Nitric Oxide (DLNO) and DLCO assessment was performed to differentiate alveolar-capillary membrane (DmCO) and pulmonary capillary blood volume (Vc) alterations. RESULTS: Among 20 patients with persistent DLCO reduction, 3 had an obstructive ventilatory pattern, 6 had restriction, and 12 had low KCO. In restrictive cases, KCO was reduced but remained within normal limits without compensation. The DLNO/DLCO ratio exceeded 113.5% predicted in all patients. DmCO was impaired in 7 patients, while Vc was reduced in 16. CONCLUSION: Both DLCO determinants were affected, with vascular impairment predominating. Vc reduction was present in most patients, with mean values below the lower limit of normality, whereas DmCO was less affected and often normal. The elevated DLNO/DLCO ratio suggests that persistent DLCO reduction is primarily driven by prolonged pulmonary capillary circulation dysfunction rather than alveolar membrane alterations, highlighting the vascular component as the primary site of long-term impairment.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 |
| 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 ».