MétaCan
Menu
Retour à la cohorte
Enregistrement W4411448260 · doi:10.1183/23120541.00454-2025

Effect of diaphragm fatigue on inspiratory capacity manoeuvres during high-intensity exercise in healthy young males

2025· letter· en· W4411448260 sur OpenAlexaff
Michele R. Schaeffer, Kyle G. Boyle, Jem Arnold, Daniël Langer, Jordan A. Guenette

Notice bibliographique

RevueERJ Open Research · 2025
Typeletter
Langueen
DomaineMedicine
ThématiqueCardiovascular and exercise physiology
Établissements canadiensSt. Paul's HospitalUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMedicineDiaphragm (acoustics)Intensity (physics)Physical therapyPhysical medicine and rehabilitationCardiologyInternal medicineAcoustics

Résumé

récupéré en direct d'OpenAlex

Extract Inspiratory capacity (IC) measurement allows for the assessment of operating lung volumes during exercise and is the gold standard method for evaluating critical inspiratory constraints, particularly during cardiopulmonary exercise testing. Accurate measurement of IC depends on an individual's ability to give a maximal inspiratory effort to total lung capacity (TLC), which is assumed to remain constant throughout exercise [1]. Nonetheless, there is substantial evidence that IC is a reproducible measurement [2], and is responsive to both pharmacological (e.g., bronchodilators [3]) and non-pharmacological interventions (e.g., hyperoxia [4]). Importantly, improving IC during exercise is associated with improvements in dyspnea ratings and exercise tolerance [5].

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)0,003
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 enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,003
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 recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,083
Tête enseignante GPT0,392
Écart entre enseignants0,308 · 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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueERJ Open ResearchMême sujetCardiovascular and exercise physiologyTravaux en français237 207