Eosinophils, exacerbation history, and BMI as significant predictors of acute COPD exacerbations?
Notice bibliographique
Résumé
Introduction: Identifying early predictors of acute exacerbations of COPD (AECOPD) is essential for improving preventive strategies and tailoring clinical management. This study was designed to identify clinical, functional, and biomarker-based predictors of AECOPD. Methods: This trial was a monocentric, prospective observational study recruiting a total of 355 patients with COPD (GOLD II–IV) during a 3-week inpatient pulmonary rehabilitation program where patients were closely monitored for AECOPD events. Baseline assessments included lung and cardiovascular evaluations, exercise capacity, measurements of systemic biomarkers and others. Results: 57 out of 355 subjects (16%) developed a physician-diagnosed AECOPD in the observational phase. The statistical analysis of 165 variables involved univariable analyses of all predictors with significant effects, followed by stepwise variable selection, and final model fitting on a dataset with complete cases, identifying six predictors, three of which showed a significant association with the AECOPD risk: blood eosinophil count (p<0.001), number of previous AECOPD hospitalizations (p=0.002), and body-mass-index (p=0.019). Conclusion: This study identified systemic inflammation, exacerbation history, and nutritional status as strong risk factors for AECOPD. Further research is warranted to explore their potential for guiding personalized preventive interventions. erj;66/suppl_69/PA438/F1 F1 F1
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,031 | 0,002 |
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 ».