MétaCan
Menu
Back to cohort
Record W7049148486

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

2018· other· fr· W7049148486 on OpenAlexaboutno aff

Bibliographic record

VenueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke) · 2018
Typeother
Languagefr
FieldEngineering
TopicAdvanced Electrical Measurement Techniques
Canadian institutionsnot available
Fundersnot available
KeywordsPopulationMedium termExercise tolerance test
DOInot available

Abstract

fetched live from 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).

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame machine prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.

metaresearch head score (Codex)0.011
metaresearch head score (Gemma)0.039
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.011
Threshold uncertainty score0.056

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0110.039
Meta-epidemiology (narrow)0.0010.000
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0020.001
Science and technology studies0.0010.001
Scholarly communication0.0020.002
Open science0.0010.001
Research integrity0.0020.002
Insufficient payload (model declined to judge)0.0060.002

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.016
GPT teacher head0.218
Teacher spread0.203 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2018
Admission routes1
Has abstractyes

Explore more

Same venueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke)Same topicAdvanced Electrical Measurement TechniquesFrench-language works237,207