Resting lung volumes in mild to severe fibrosing ILD: implications for dyspnoea and exercise tolerance
Notice bibliographique
Résumé
Background: Exertional dyspnoea is influenced by the severity of restriction (⇓ total lung capacity (TLC)) in fibrosing ILD (f-ILD). Compensatory decrements in residual volume (RV) and functional residual capacity (FRC) may relatively preserve (⇔) the limits for tidal expansion, mitigating dyspnoea despite ⇓ TLC. Aim: To contrast sensory-physiological responses to exercise in restricted and non-restricted f-ILD showing ⇔ or ⇓ inspiratory capacity (IC). Methods: 95 patients (68 men, TLC from -5.05 to 1.03 z-score) completed an incremental CPET. A novel AI-based software (DyVe-X) quantified the severity of mechanical-ventilatory constraints and exertional dyspnoea. Resting lung volumes were compared with GLI standards. Results: All but one non-restricted patients had ⇔ IC. ~ 50 % of restricted patients had ⇓ IC; they showed the lowest RV/TLC and FRC/TLC, i.e., the highest vital capacity/TLC and IC/TLC (Figure 1A). Despite ~ 1 L lower TLC than non-restricted patients, they had similar exercise capacity (peak work rate= 75.1 ± 27.3 vs. 72.8 ± 28.1 %, respectively; p>0.05). This finding was associated with consistently higher mechanical-ventilatory reserves (Figure 1B-1C) and lower dyspnoea (Figure 1D) than restricted patients with ⇓ IC (p<0.05). erj;66/suppl_69/PA2043/F1 F1 F1 Conclusions: IC should be considered in conjunction with TLC to estimate the burden of activity-related dyspnoea and exercise intolerance in restricted patients with f-ILD
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 | 0,001 |
| 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) | 0,003 | 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 ».