Using AI-techniques to assess dynamic mechanical-ventilatory constraints and exertional dyspnoea during CPET in the CanCOLD study
Notice bibliographique
Résumé
Background: Continuous, dynamic (dyn) quantification of mechanical-ventilatory constraints may improve CPET’s ability to uncover abnormalities germane to exertional dyspnoea in COPD. Aim: To compare a novel approach for CPET display and analysis (DyVe-X) with traditional metrics of ventilatory limitation – peak ventilatory reserve (VRpeak) – <15% in a large multicenter study (CanCOLD). Methods: An AI algorithm determined the severity of sex- and age-adjusted metrics of submaximal ventilatory (⇓ dynamic VR (VRdyn)) and mechanical (⇓ dynamic inspiratory reserve (IRdyn)) constraints and ⇑ dyspnoea (Borg) during incremental CPET in 426 patients (271 men, 93% GOLD 1-2, ∼ two-thirds (N= 278) with normal FEV1 (>-1.645 z-score)). Results: ∼60 % with preserved (⇔) VRpeak showed abnormal DyVe-X. Regardless of VRpeak, patients showing higher mechanical ventilatory constraints and dyspnoea on DyVe-X (>75th centile) had lower exercise capacity (p<0.01) (Figure). erj;66/suppl_69/PA5185/F1 F1 F1 Multivariable logistic regression showed that VRdyn (OR [95% CI]=1.76 [1.19-2.61]) and IRdyn=1.49 [1.10-2.21]) - but not VRpeak - were associated with a high dyspnoea burden (p<0.001). Conclusion: DyVe-X enhanced the yield of CPET in detecting mechanical-ventilatory constraints relevant to dyspnoea in subjects showing a low pre-test likelihood of abnormality, i.e., randomly selected from the community with only modest airflow obstruction.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».