Contrasting dynamic and peak ventilatory reserve during incremental CPET in pulmonary hypertension
Notice bibliographique
Résumé
Background: Decrements (↓) in dynamic (dyn) ventilatory reserve (VR=[1-(ventilation/estimated MVV)] x 100) as exercise progresses may be helpful to expose increased demand-capacity mismatch, a key underpinning of exertional dyspnoea in cardiopulmonary diseases. Aim: To contrast the current criterion to detect ventilatory limitation to exercise - ↓ peak VR – against VRdyn in pulmonary hypertension (PH). Methods: 91 patients (66♀, 45-84yrs) with arterial PH (63%) or chronic thromboembolic PH performed an incremental CPET. ↓VRpeak was defined according to different thresholds (15%, 20%, and 30%). VRdyn<5th centile at 40W and dyspnoeadyn>95th centile considering all exercise intensities (DyVe-X software) defined an abnormal response. Results: A significant fraction of patients with preserved (↔) VRpeak (37/91= 41%) had ↓ VRdyn and ↑ dyspnoeadyn (Figure A). These subjects showed lower exercise capacity than those with ↔ VRdyn and/or ↔ dyspnoeadyn (p<0.05). Regardless of the metric and patient group, ↔VRpeak related poorly to dyspnoeadyn; in contrast, ↓VRdyn was associated with dyspnoeadyn and severely reduced exercise tolerance (p<0.01; Figure B). ↓VRdyn – but not ↓VRpeak – strongly predicted these outcomes (OR 42 (9-199) and 5 (2-15), respectively; p<0.01). erj;66/suppl_69/PA6292/F1 F1 F1 Conclusions: VRdyn improves the yield of CPET by exposing a link between excessive ventilation and an important patient-centered outcome in PH: exertional dyspnoea.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,002 | 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 ».