MétaCan
Menu
← Retour à la cohorte
Enregistrement W4410273750 · doi:10.1164/ajrccm.2025.211.abstracts.a5128

Clearance of Mucus Plugs Drives Functional Improvement in Pediatric CF After Highly-effective CFTR Therapy

2025· article· en· W4410273750 sur OpenAlexaff
Erin Prather, Alexander M. Matheson, Matthew M. Willmering, Jaime F. Mata, Sean B. Fain, Giles Santyr, Félix Ratjen, Jason C. Woods

Notice bibliographique

RevueAmerican Journal of Respiratory and Critical Care Medicine · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueCystic Fibrosis Research Advances
Établissements canadiensHospital for Sick Children
Organismes subventionnairesnon disponible
Mots-clésMedicineMucusCystic fibrosisMucociliary clearanceIntensive care medicineInternal medicineLung

Résumé

récupéré en direct d'OpenAlex

Abstract Purpose: Lung MRI presents an opportunity to track Cystic Fibrosis (CF) progression compared to traditional global functional parameters such as forced expiratory volume (FEV1) by providing localized measurements of underlying abnormalities. Developments in ultrashort echo-time magnetic resonance imaging (UTE MRI) have improved image resolution and quality to near-CT levels without ionizing radiation (1), and Xe MRI is now a clinically-accepted modality for regional ventilation (2). CF transmembrane conductance regulator (CFTR) modulator drugs have dramatically improved CF patients’ prognosis and quality of life; however, their full impact on underlying CF pathophysiology is not completely understood (3). We hypothesized that CFTR modulators produced greater functional improvements in patients with higher mucus burden. Methods: MRI and spirometry were performed at baseline and 1+ months after clinical therapy initiation in 30 patients. Images were visually scored via an established system: each lobar region was scored on a 0-2 scale for each abnormality (e.g. bronchiectasis) by two blinded, independent readers and averaged (4). Ventilation defect percentage (VDP) was calculated via established thresholds (5). Changes in structure (UTE MRI) and function (Xe MRI and FEV1) were evaluated using Wilcoxon signed rank tests. Results: Eleven patients initiated lumacaftor/ivacaftor (LI), ages 9±4, and 19 patients initiated elexacaftor/tezacaftor/ivacaftor (ETI), ages 13±3. LI patients saw no significant improvements in UTE MRI score but small, non-significant improvements in VDP (3±8% p=.20). Figure 1A shows ETI mucus sub-scores changed from 1.5 to 0.8 (p<.05). Consolidation, ground-glass opacities, and air-trapping improved (p<.05), but bronchiectasis and wall-thickening did not. Mean VDP and FEV1 improved by 6±6% (p<.001) and 9±12% (p=.01) respectively in ETI patients. This change was driven by mucus improvements: only ETI patients whose mucus scores improved saw significant improvements in FEV1 (12±14%, p<.01) and VDP (8±4%, p<.01, Figure 1B). Notably, the subject with the largest mucus score improvement (4.5) had the largest improvement in VDP (14%) and FEV1 (34%), as shown in Figure 1C,D. Conclusions: Regional structural and functional MRI scoring provides additional information about the underlying abnormalities that change with CFTR modulators and provides new insight on what makes ETI clinically effective (6). This small study shows that the clearance of mucus plugs in pediatric CF patients post-ETI treatment is associated functional improvement. References: 1) Woods et al. JMRI 2020. 2) Niedbalski et al. MagnResonMed 2021.3) Turcios et al. RespCare 2020. 4) Eichinger et al. EJR 2012. 5) Kirby et al. AcadRadiol 2012. 6) Tice et al. JManagCare&Spec 2021.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,323
Écart entre enseignants0,314 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Respiratory and Critical Care Medicine→Même sujetCystic Fibrosis Research Advances→Travaux en français237 207→