Clinical relevance of abnormal “dynamic” and “static” lung volumes in patients with COPD
Notice bibliographique
Résumé
Background: The clinical utility of “slow” spirometry and plethysmography in COPD remains unclear, and the GOLD guidelines (Eur Respir J 2023;61:2300239) do not formally recommend their routine use. Aims: To assess the additive value of inspiratory capacity (IC) and static lung volumes (TLC, RV) in predicting clinical outcomes in COPD. Methods: Symptomatic adults with COPD (FEV₁/FVC <0.70) were recruited from a tertiary outpatient clinic. Abnormal ( ULN as appropriate) pulmonary function parameters (FEV1, IC, TLC, RV) were entered into (backward) logistic regression models to predict clinical outcomes. mMRC and 6MWD were classified according to BODE categories ≥2 to define severity (NEJM 2004;350:1005). CAT score ≥10 define a high respiratory burden (GOLD). Results: 197 individuals were included (52% ♀; 65±8 years; FEV₁ 15–97% predicted). Reduced IC ( ULN) and air trapping (RV>ULN) were found in 144 (73%), 63 (32%), and 151 (77%) subjects, respectively. A ↓ IC capacity [OR=2.34 (1.11-4.91)] and ↑ TLC [OR=2.23 (1.09-4.57)] were the variables remaining in the model to predict severe dyspnoea (mMRC≥3) or severe exercise capacity impairment (6MWD<250m) (Panel A). ↓ IC capacity [OR=3.62 (1.57-8.34)] was the unique predictor of high respiratory burden (Panel B). erj;66/suppl_69/PA4182/F1 F1 F1 Conclusion: Resting lung volume measurements contribute to discriminate COPD patients with worse clinical outcomes.
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 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».