Quantifying dynamic mechanical-ventilatory constraints and exertional dyspnoea during incremental CPET in fibrosing ILD
Notice bibliographique
Résumé
Background: Mechanical-ventilatory constraints are key determinants of exertional dyspnoea in fibrosing interstitial lung disease (f-ILD). Assessing these abnormalities at peak CPET only may not accurately depict the dynamic (dyn) constraints as exercise evolves. Aim: To contrast novel paradigms for CPET data display and analysis (DyVe-X) with traditional metrics of ventilatory limitation – low (⇓) peak ventilatory reserve (VRpeak) - in f-ILD of varied severity, Methods: Using DyVe-X, we quantified the severity of ventilatory (⇓ dynamic VR (VRdyn)) and mechanical (⇓ dynamic inspiratory reserve (IRdyn)) constraints and exertional dyspnoea (⇑ Borg 0-10 scores) during incremental CPET in 95 patients (68 men, DLCO 18-91% predicted). Results:∼50 % with preserved (⇔) VRpeak showed abnormal DyVe-X findings. Patients showing higher mechanical ventilatory constraints and dyspnoea on DyVe-X (>75th centile) - but not ⇓ VRpeak - had lower exercise capacity than less dyspnoeic patients with fewer constraints (p<0.01) (Figure). erj;66/suppl_69/OA5397/F1 F1 F1 Binary logistic regression revealed that ⇓ IRdyn (OR [95% CI]=6.46 [2.44-17.13]) and ⇓ VRdyn=5.56 [1.73-17.87]) - but not ⇓ VRpeak - were independently associated with ⇑ dyspnoea burden (p<0.001) Conclusion: Using DyVe-X, clinicians can improve the sensitivity of CPET in exposing submaximal mechanical-ventilatory constraints in dyspnoeic patients with mild to very severe 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 | 0,000 | 0,001 |
| 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 | 0,001 | 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) | 0,002 | 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 ».