Facial airflow enhances the benefits of exercise training in people with chronic lung disease: a randomised controlled trial
Notice bibliographique
Résumé
Introduction Breathlessness limits exercise training intensity in people with chronic lung disease (CLD). Stimulation of the trigeminal nerve via fan-to-face (F2F) therapy (facial airflow) can reduce exertional breathlessness and improve exercise endurance in CLD. This randomised controlled trial tested the hypothesis that adding F2F therapy to an exercise training programme could enhance the benefits of exercise training on exercise endurance time (EET) and exertional breathlessness in adults with CLD by allowing them to train at higher intensities. Methods 23 participants with COPD (n=19) or interstitial lung disease (n=4) were randomised to 5 weeks of thrice weekly supervised exercise training with (F2F; n=12) or without (no fan (NF); n=11) facial airflow. Primary outcomes were baseline to post-exercise training change in EET and isotime breathlessness intensity ratings assessed using constant work-rate cardiopulmonary treadmill exercise testing. Results Cumulative exercise training volume over the 5-week exercise training programme was similar in the F2F and NF groups, whereas breathlessness intensity ratings were consistently lower across all exercise training sessions in the F2F group. Both the F2F and NF groups showed significant increases in EET (mean± sd 7.2±9.1 min, 95% CI 3.0–13.6 min, versus 8.6±8.5 min, 95% CI 6.3–9.0 min, respectively) and decreases in isotime breathlessness intensity ratings (−2.1±1.5 min, 95% CI 0.6–3.2 min, versus −1.5±1.1 min, 95% CI 0.8–4.0 min, respectively) from baseline to post-exercise training, with similar magnitudes of change observed between groups. Conclusion F2F therapy (facial airflow) is a simple, feasible, low-cost, low-resource nonpharmacological approach to reduce exertional breathlessness during an exercise training programme in people with CLD.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,004 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,001 |
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 ».