MétaCan
Menu
Retour à la cohorte
Enregistrement W7049148486

Nouvelles valeurs de référence pour les épreuves d’effort cardiopulmonaires chez l’enfant et l’adolescent

2018· other· fr· W7049148486 sur OpenAlexaboutno aff

Notice bibliographique

RevueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke) · 2018
Typeother
Languefr
DomaineEngineering
ThématiqueAdvanced Electrical Measurement Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPopulationMedium termExercise tolerance test
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

L’épreuve d’effort cardiopulmonaire (EECP) permet d’évaluer l’habileté du système respiratoire et cardiovasculaire à s’adapter à l’exercice (ACSM & NASPEM, 2017; Wasserman et al., 2005). Il s’agit d’un outil important pour évaluer l’effet de conditions chroniques, pulmonaires et cardiaques sur l’intégrité du système cardiorespiratoire (Bongers et al., 2012b; Takken et al., 2017). \n \nEn revanche, les valeurs de référence actuelle de ce test manquent malheureusement de spécificité et de sensibilité chez l’enfant (Blais et al., 2015). En effet, il est présentement difficile de différencier la réponse normale de la réponse anormale pour certains paramètres cardiorespiratoires que nous procure l’EECP (Blais et al., 2015). Cette difficulté à classifier adéquatement la réponse à l’effort semble s’expliquer, entre autres, par les changements physiologiques et physiques qui surviennent lors de l’adolescence. Ainsi, pour obtenir des valeurs de références de l’EECP adéquates qui permettront différentier les changements physiologiques des changements pathologiques chez l’enfant, il serait essentiel de retirer l’effet des dimensions corporelles, de l’âge et du sexe (Blais et al., 2015; Bongers et al., 2012b). De cette façon, il serait possible de comparer des enfants et des adolescents de mêmes dimensions corporelles entre eux et d’identifier les individus qui ont une faible réponse cardiorespiratoire à l’effort. \n \nUne récente revue systématique effectuée par notre équipe de recherche a su démontrer que les modèles mathématiques utilisés jusqu’à présent pour définir les valeurs de références de l’EECP chez une population pédiatrique n’arrivent pas à prédire correctement les différents paramètres cardiorespiratoires ni l’effet de la croissance sur ces derniers (Blais et al., 2015). Cette revue systématique conclue que cette incapacité s’explique par le choix inadéquat des modèles pour les différents paramètres cardiorespiratoires, l’omission de vérifier le comportement de la distribution autour de la moyenne (hétéroscédasticité) et l’incapacité d’obtenir des paramètres cardiorespiratoires qui sont indépendants des dimensions corporelles, de l’âge et du sexe (Blais et al., 2015). \n \nL’objectif de ce mémoire est de déterminer des formules prédictives qui modéliseraient des paramètres cardiorespiratoires sous-maximaux et maximaux ajustés qui seraient indépendants du sexe, de l'âge, de la taille corporelle, de la masse corporelle, de la puberté et de l'indice de masse corporelle (IMC). Le but éventuel de ce projet de recherche est d’augmenter la sensibilité et la spécificité de l’EECP de façon que ce dernier soit plus efficace comme adjuvant à la technique standard d’imagerie pour les enfants souffrant de maladies chroniques et congénitales. \n \nAfin d’atteindre notre objectif, nous avons recruté des enfants et des adolescents dans différentes écoles du Québec. Les participants étaient soumis à une EECP sous forme d’un protocole de rampe progressif sur un ergocycle à freinage électronique. Différents paramètres cardiorespiratoires maximaux et sous-maximaux ont été modélisés pour un total de dix-huit modèles. Chacun des paramètres était sélectionné selon leur présente ou potentielle valeur pronostique chez l’adulte ou chez l’enfant. Nous avons testé plusieurs modèles de régression pour obtenir des courbes de prédiction qui minimisaient l’association résiduelle avec l’âge et les dimensions corporelles. La moyenne prédite a été modélisée. L’écart-type a également été modélisé pour tenir compte de l’hétéroscédasticité. \n \nNous avons identifié des associations non linéaires entre les paramètres cardiorespiratoires et la dimension corporelle avec une hétéroscédasticité significative. Pour normaliser les paramètres cardiorespiratoires, nous voulions trouver le bon équilibre entre prédire avec précision les différents paramètres cardiorespiratoires tout en utilisant uniquement des mesures faciles à obtenir, telles la taille, la masse corporelle, l’IMC, la circonférence de taille et l’âge. L’utilisation d’une seule mesure de la dimension corporelle (taille ou masse corporelle) était insuffisante, car une telle méthode ne permettait pas d’obtenir des modèles prédictifs complètement indépendants des dimensions corporelles, de l’âge et du sexe. Nous avons donc utilisé des modèles multivariés utilisant des combinaisons variées avec la taille, la masse corporelle et l’âge. Enfin, les modèles de prédiction finaux étaient indépendants selon l’âge, le sexe, la masse corporelle, la taille, l’indice de masse corporelle et le stade pubertaire de l’enfant. \nÀ l’aide de cette recherche, nous avons amélioré notre capacité à prédire la réponse cardiorespiratoire attendue chez les enfants et les adolescents en santé. Ces résultats nous permettront d’évaluer si les faibles résultats obtenus lors de l’EECP, en particulier pour des conditions limitant l’augmentation du volume d’éjection systolique à l’effort, seraient des indicateurs précoces d’insuffisance cardiaque ou d’un moins bon pronostic. (Dallaire et al., 2017).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,039
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,056

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,039
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,218
Écart entre enseignants0,203 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke)Même sujetAdvanced Electrical Measurement TechniquesTravaux en français237 207