Resting lung volume phenotypes in COPD: implications for exertional dyspnoea and exercise tolerance
Notice bibliographique
Résumé
Background: Lung volumes and dyspnoea vary markedly at a given forced expiratory volume in 1 s in COPD. We aim to investigate whether hyperinflation (high total lung capacity (TLC)) adds value to simpler inspiratory capacity (IC) in predicting mechanical-ventilatory impairment and exertional dyspnoea in these patients. Methods: 345 patients with mild to very severe COPD (190 men) underwent incremental cycling with measurements of dyspnoea (0-10 Borg) and operating lung volumes. Resting volumes by body plethysmography were compared with the 2021 z-score-based Global Lung Initiative standards. A novel artificial intelligence (AI)-based algorithm quantified the burden of mechanical-ventilatory constraints and dyspnoea as ventilation increased. Results: Four lung volume phenotypes were identified: 168 patients with preserved IC and TLC, 51 with preserved IC and high TLC (hyperinflation), 52 with low IC but no hyperinflation, and 74 with low IC and hyperinflation. Patients with low IC and/or hyperinflation showed worse air trapping and lower transfer factor (p<0.05). Hyperinflated patients at a given IC presented with worse sensory and functional outcomes; similarly, patients showing low IC at a given TLC were more symptomatic and impaired (p<0.05). The highest and lowest odds ratios (95% confidence interval) for "very severe" mechanical-ventilatory constraints and dyspnoea according to the AI algorithm were found in hyperinflated patients with low IC (5.2 (4.7-7.5)) and non-hyperinflated patients with preserved IC (0.99 (0.71-1.16)), respectively. Conclusion: By combining IC and TLC expressed as z-scores, clinicians can identify physiological phenotypes relevant to dynamic lung mechanical abnormalities on exertion, activity-related dyspnoea and exercise tolerance across the spectrum of COPD severity.
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) | 0,001 | 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 ».