Exercise oximetry in clinical practice: A single‐centre perspective on procedure and techniques
Notice bibliographique
Résumé
Abstract In moderate lower extremity artery disease (LEAD), when tissue ischaemia due to impaired inflow occurs at exercise but not during rest, exercise oximetry may be evaluated as a part of the diagnosis process. Initially used when assessing critical limb ischaemia at rest, transcutaneous oximetry (TcpO 2 ) has also been used in the last two decades during exercise assessment as a non‐invasive method to measure oxygen pressure at the skin's surface, offering insights into loco‐regional oxygen delivery–requirement mismatch. The introduction of decrease from rest of oxygen pressure (DROP) analysis in the TcpO 2 technique, which corresponds to the difference between limb oxygen pressure changes and chest oxygen pressure changes from rest, provides new information about the severity of the local ischaemia during exercise. In this paper, we elucidate the utilization of TcpO 2 during exercises (Ex‐TcpO 2 ) over the years and provide information about how the technique has evolved and how the changes in the testing procedures have provided the opportunity for detecting abnormalities in both vascular and non‐vascular clinical practice. We discuss the importance of Ex‐TcpO 2 in the diagnosis of peripheral artery disease and its valuable contribution as a differential diagnostic tool for patients with co‐morbid conditions such as lumbar spinal stenosis. We also provide recommendations about the utilization of Ex‐TcpO 2 and contribute to a better understanding of the techniques in terms of efficacy, limitations and clinical applications. However, clarifications about its role in the diagnostic algorithm are needed, to ensure a better integration of the technique in clinical practice.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».