Research Article

Construction et validation d’un nomogramme pour identifier l’obstruction du mucus chez les patients atteints de maladie pulmonaire obstructive chronique

DOI:

10.3791/69780

⸱

June 9th, 2026

 ,  ,  ,  ,  ,  ,  , 
1Department of Pulmonary and Critical Care Medicine, The First Affiliated Hospital of Shenzhen University (Shenzhen Second People's Hospital)

In This Article

Summary

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Cette étude visait à identifier des prédicteurs cliniques indépendants des bouchons de mucus des voies respiratoires détectés par tomodensitométrie (CT) chez les patients atteints de maladie pulmonaire obstructive chronique (MPOC) et à construire et valider un nomogramme pour une prédiction individualisée du risque.

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

L’impaction du mucus des voies respiratoires fines en tomodensitométrie thoracique (CT) est un constat cliniquement significatif dans la maladie pulmonaire obstructive chronique (MPOC), associée à une accélération de la fonction pulmonaire, à une fréquence accrue des exacerbations aiguës et à une plus grande susceptibilité aux infections respiratoires. Cependant, un outil prédictif validé pour identifier les patients à risque de détecter des implants mucus détectés par scanner fait actuellement défaut. Cette étude visait à développer et valider un nomogramme pour prédire une petite obstruction du mucus des voies respiratoires chez les patients atteints de BPCO. Nous avons inscrit rétroactivement 212 patients atteints de BPCO du Shenzhen Second People’s Hospital (janvier 2021 à juin 2022), dont 47 présentaient des bouchons de mucus confirmés par un scanner (groupe des bouchons de mucus, MP) et 165 non (groupe des bouchons non muqueus, NMP). Des analyses univariées et des caractéristiques de fonctionnement du récepteur (ROC) ont été utilisées pour identifier les prédicteurs candidats. Une régression logistique multivariée a été réalisée pour construire le modèle prédictif final, qui a ensuite été transformé en nomogramme. La validation interne a été réalisée par échantillonnage bootstrap (1000 itérations). La bronchiectasie, la rhinosinusite chronique (CRS), l’indice de masse corporelle (IMC), le flux expiratoire forcé à 25–75 % de la prévision (FEF25–75 % de la pred), le rapport volume résiduel/capacité pulmonaire totale (RV/TLC) et le 25-hydroxyvitamine D sérique [25(OH)D] ont été identifiés comme des facteurs de risque indépendants pour les bouchons de mucus CT. Le nomogramme a démontré une excellente valeur prédictive avec une AUC de 0,9611. Les courbes d’étalonnage et les analyses de courbes de décision ont démontré une bonne utilité clinique. La validation interne bootstrap a également soutenu la stabilité prédictive du modèle. Cette nomogramme fournit un outil pratique et individualisé pour faciliter l’identification précoce et la prise en charge personnalisée des patients atteints de BPCO à risque d’obstruction du mucus des voies respiratoires fines.

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

La maladie pulmonaire obstructive chronique (MPOC) se caractérise par une limitation persistante et largement irréversible du flux d’air. L’Organisation mondiale de la santé indique qu’elle devrait devenir la troisième cause de mortalité mondiale d’ici 20301. La maladie commence principalement dans les petites voies respiratoires (voies respiratoires d’un diamètre interne inférieur à 2 mm), qui représentent un site fondamental de la pathologie de la BPCO. Les changements structurels et inflammatoires dans ces régions précèdent souvent l’apparition des symptômes cliniques de plusieurs années, tout en contribuant de manière significative à l’obstruction du flux d’air. Les caractéristiques pathologiques des petites voies respiratoires dans la MPOC incluent l’infiltration par les cellules inflammatoires,2,3,4 l’altération des mécanismes de défenseépithéliale 5,6 le remodelage des voies respiratoireset la fibrose 7,8,9 ainsi que la formation de bouchons muqueuses (MP)10,11.

Les bouchons de mucus des voies respiratoires dans la BPCO représentent une accumulation pathologique de mucus dans la lumière des voies respiratoires, entraînant une limitation du fluxd’air 12. La formation des bouchons mucus est associée à un milieu pro-inflammatoire, caractérisé par un nombre élevé d’éosinophiles et une augmentation de l’expression du gène des cytokinesde type 2 13. Un excès de mucus intraluminal altère la diffusion de l’oxygène et provoque une hypoxie dans les cellules épithéliales des voies respiratoires, créant des conditions favorables à une colonisation bactérienne persistante et à des infections récurrentes des voies respiratoiresinférieures 14. Ces infections aggravent la gravité de la maladie et augmentent le risquede mortalité 15. Une sécrétion élevée de mucus des voies respiratoires a également été identifiée comme un précurseur d’exacerbations aiguës dans laMPOC 16. Cela souligne le besoin crucial d’une détection précoce et d’une compréhension mécaniste des facteurs contribuant à la formation de bouchons de mucus chez les patients atteints de BPCO.

Divers facteurs de risque ont été associés à la formation de bouchons de mucus des voies respiratoires dans les maladies chroniques des voies respiratoires, notamment des infectionsvirales 17,18, la colonisation par Pseudomonas aeruginosa, 19,20 épisodes d’exacerbation aiguë récurrents, une altération de la fonction pulmonaire mesurée par un volume expiratoire forcé en 1 seconde (FEV1)21, l’historique tabagisme22, un taux élevé de peroxydase d’éosinophiles23, des concentrations de protéines intrabronchiques de mucine 5B (MUC5B), et des niveaux de 25-hydroxyvitamine D (25(OH)D), ainsi que des infections attribuables au mycoplasma et à l’espèce d’Aspergillus. 24,25,26. Néanmoins, le profil de risque spécifique pour le développement de bouchons de mucus chez les patients atteints de MPOC reste incomplètement caractérisé, et l’utilité pronostique des facteurs de risque individuels isolément est limitée.

Une approche multifactorielle intégrant plusieurs prédicteurs pourrait produire une stratification du risque plus cliniquement significative. Les nomogrammes ont été largement appliqués dans des spécialités médicales, notamment en oncologie, cardiologie et pneumologie, pour faciliter les prédictions de survie, la stratification des risques et la prise de décisionthérapeutique 27. Ils offrent un moyen nuancé et interprétable de capturer des interactions complexes entre diverses variables cliniques. Malgré leur large utilité, aucun nomogramme validé n’existe pour prédire les bouchons de mucus détectés par le scanner chez les patients atteints de BPCO. Cette étude comble cette lacune en identifiant des facteurs de risque indépendants pour la formation de bouchons muqueuses dans la BPCO et en développant un nomogramme prédictif validé permettant une évaluation individualisée des risques. Un tel outil pourrait être facilement intégré dans les flux de travail routiniers de gestion de la BPCO, en particulier dans les centres disposant d’un accès à l’imagerie par CTR et à la spirométrie, afin de soutenir des interventions ciblées précoces et de réduire la charge des exacerbations chez les patients à risque.

Access restricted. Please log in or start a trial to view this content.

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

La présente étude a été approuvée par le Comité d’éthique du Second Hôpital Populaire de Shenzhen (Protocole n° 20193357024). Le consentement éclairé a été obtenu de tous les participants ou de leurs représentants légaux avant l’inscription.

Population d’étude et méthodologie

Cette étude a été conçue comme une étude de cohorte rétrospective à centre unique. Les dossiers médicaux des patients ayant un diagnostic primaire de BPCO au Département de médecine respiratoire du Shenzhen Second People’s Hospital, de janvier 2021 à juin 2022, ont été examinés. Tous les patients adultes (≥18 ans) ayant un diagnostic primaire de BPCO ont d’abord été dépistés à l’aide du codage de la Classification internationale des maladies (CIM-10) et d’une revue de dossiers du dossier médical électronique (DME) de l’hôpital.

Critères d’inclusion

(1) Diagnostic confirmé de la MPOC conformément aux directives de l’Initiative mondiale pour la maladie pulmonaire obstructive chronique (GOLD) ; (2) Disponibilité d’une tomodensitométrie à haute résolution (TCH) du thorax réalisée dans la semaine suivant l’hospitalisation ; (3) Disponibilité complète de la spirométrie et des données de laboratoire ; et (4) Au moins un an de données de suivi pour la surveillance des exacerbations aiguës.

Critères d’exclusion

(1) Infections pulmonaires actives (par exemple, pneumonie ou tuberculose) au moment de l’imagerie HRCT ; (2) Malignité pulmonaire coexistante ; (3) Chirurgie thoracique antérieure avec un impact potentiel sur l’anatomie des voies respiratoires ; et (4) Données cliniques critiques manquantes ou imagerie non évaluable en raison d’artefacts de mouvement. Après application de ces critères, une cohorte finale de 212 patients a été inscrite, comprenant 47 patients du groupe plug-positif (MP) et 165 patients du groupe non-mucus plug (NMP). Des images représentatives de la CRT sont illustrées à la Figure 1. Les patients du groupe NMP (n = 165) ont servi de contrôles internes, permettant la comparaison statistique des caractéristiques cliniques, des indices de fonction pulmonaire et des biomarqueurs de laboratoire entre groupes. Toutes les analyses ont été menées sur cette cohorte contrôlée en interne afin de soutenir le développement de modèles guidés par des hypothèses.

Collecte de données

L’extraction des données suivait un protocole structuré et séquentiel. Les variables démographiques collectées comprenaient l’âge, le sexe, l’indice de masse corporelle (IMC) et le statut de tabagisme. Les variables d’antécédents cliniques comprenaient la durée de la MPOC, la fréquence d’exacerbation aiguë et les comorbidités. Paramètres de spirométrie récupérés incluant le FEV1 %, le VEM 1 à la capacité vitale forcée (CVF), la capacité vitale (VC), le flux expiratoire forcé (FEF25–75 % de la pred), le volume résiduel (VR), la capacité pulmonaire totale (TLC) et le rapport VD/TLC. Les indices de laboratoire comprenaient l’immunoglobuline totale E sérique (IgE), la 25-hydroxyvitamine D(25(OH)D), le calcium sérique (Ca2+), le phosphore, l’antigène des glucides (CA199), l’oxyde nitrique fractionné expiré (FeNO), ainsi que l’oxyde nitrique conducteur des voies respiratoires (CaNO). Le dépistage de comorbidité comprenait la sinusite, l’asthme, la bronchiectasie, la colonisation fongique et bactérienne, ainsi que les maladies cardiovasculaires et métaboliques. Toutes les données ont été récupérées depuis le système de dossier médical électronique (DME) de l’hôpital. Les images HRCT étaient consultées depuis les archives du système d’archivage et de communication des images (PACS) de l’hôpital. Les détails des logiciels et équipements utilisés dans cette étude sont fournis dans le tableau des matériaux. Aucun réactif physique ni matériel de laboratoire n’a été utilisé ; Toutes les analyses ont été réalisées à partir de données cliniques et radiologiques existantes. Toutes les données des patients ont été examinées par deux enquêteurs indépendants. Les données manquantes ont été traitées à l’aide de la méthode d’imputation non paramétrique « missForest » implémentée dans R, afin de minimiser la distorsion dans les analyses multivariées.

Critères diagnostiques de la TCH pour les bouchons de mucus

Tous les patients ont subi une TCR en utilisant des protocoles d’imagerie institutionnelle standardisés. Les bouchons de mucus ont été définis radiologiquement sur des tranches axiales de scanner (CT) identifiées comme des structures d’atténuation des tissus mous tubulaires ou ramifiées occupant une lumière des voies respiratoires, visibles sur au moins deux tranches axiales contiguës, conformément aux critères diagnostiques publiés. Seuls les cas présentant des opacités clairement délimitées, segmentaires ou sous-segmentaires des voies respiratoires avec une atténuation des tissus mous similaire à un tissu mou et non attribuable à des artefacts ou à la bronchiectasie seule ont été étiquetés comme positifs au bouchon muqueus. L’imagerie HRCT a été réalisée à l’aide d’un scanner CT Siemens SOMATOM Definition AS (128 tranches) avec les paramètres d’acquisition suivants : épaisseur de tranche 1,0 mm, intervalle de reconstruction de 0,75 mm, et utilisation du noyau haute résolution B70f. Les images ont été examinées dans les réglages standards des fenêtres poumonaires (largeur de fenêtre : 1600 unités Hounsfield [HU] ; Niveau de la fenêtre : 600 HU. Deux radiologues thoraciques certifiés, avec plus de 8 ans d’expérience, ont examiné tous les examens de manière indépendante. Les cas présentant des divergences interprétatives ont été résolus par discussion consensuelle. Les critères diagnostiques ont été appliqués uniformément dans tous les cas afin d’assurer la cohérence de la classification.

Construction, évaluation et validation du nomogramme

Un nomogramme a été développé pour prédire les bouchons de mucus détectés par le CT chez les patients atteints de BPCO sur la base des résultats de régression logistique multivariée. Le modèle final incorporait les prédicteurs indépendants suivants : bronchiectasie, rhinosinusite chronique (CRS), exacerbations aiguës (EA), IMC, FEF25–75 % de pred, ratio RV/TLC et niveaux sériques de 25(OH)D. Chaque prédicteur se voit attribuer un score sur une échelle de points horizontale ; Les scores individuels sont additionnés pour obtenir un score total, qui correspond à une probabilité prédite de présence de bouchons de mucus sur l’échelle de probabilité de sortie. Le nomogramme a été soumis à une validation interne via un rééchantillonnage bootstrap (1000 itérations) afin d’évaluer la précision prédictive et la discrimination à l’aide de courbes d’étalonnage (AUC et ROC).

Analyses statistiques

Toutes les analyses statistiques ont été réalisées en utilisant la version 4.1.2 de R et la version 25.0 des statistiques IBM SPSS. Les données catégorielles étaient exprimées en fréquences et en pourcentages ; les comparaisons entre groupes ont été réalisées à l’aide du test du chi-carré ou du test exact de Fisher, selon le cas. Les données continues avec distribution normale ont été exprimées en moyenne ± écart-type (DS) et comparées à l’aide du test t des échantillons indépendants ; les données continues anormalement distribuées étaient exprimées en médiane (intervalle interquartile (IQR)) et comparées à l’aide du test U de Mann-Whitney. Les variables avec P < 0,1 dans l’analyse de régression logistique univariée ont été incluses dans le modèle, conformément à la pratique standard dans le développement de modèles prédictifs. Les paquets R utilisés étaient « rms », « mstate », « data.table », « pROC », « rmada », « rio », « boot » et « missForest ». La construction du nomogramme était réalisée en utilisant les fonctions lrm et nomogram du paquet rms. Les courbes ROC et les valeurs AUC étaient calculées à l’aide des fonctions roc et AUC du package pROC. Les courbes d’étalonnage étaient générées avec la fonction d’étalonnage dans RMS. L’analyse de la courbe de décision (DCA) était réalisée à l’aide de la fonction de courbe de décision du package RMDA. L’imputation des données manquantes a été effectuée à l’aide de la fonction missForest. La validation interne du bootstrap (1000 itérations) a été réalisée à l’aide du package de démarrage. Une graine aléatoire fixe (set.seed[240708] a été appliquée au début de l’analyse pour garantir la reproductibilité. Une valeur P de < 0,05 était considérée comme statistiquement significative. La formule du modèle de régression logistique était la suivante :

glm(mucus_status ~ bronchiectasie + CRS + IMC + FEF25_75 + RV_TLC + VitD, famille = « binomial »)

Access restricted. Please log in or start a trial to view this content.

Results

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Caractéristiques de base

L’étude comprenait une cohorte de 212 patients atteints de BPCO, répartis en deux groupes : 47 avec des bouchons de mucus (MP) et 165 sans bouchons de mucus (NMP). La présence de bouchons de mucus dans cette population de BPCO a été de 28,33 %. L’analyse statistique, détaillée dans le tableau 1, a identifié des différences significatives entre les groupes MP et NMP dans plusieurs indicateurs clés. Cela incluait l’indice de masse corpo...

Access restricted. Please log in or start a trial to view this content.

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Dans cette étude, la prévalence de la formation de bouchons muqueuses détectée par le scanner chez les patients hospitalisés atteints de MPOC était de 22,16 %, conformément aux estimations rapportées dans la littératureantérieure 27. Les bouchons de mucus dans la BPCO sont cliniquement significatifs en raison de leur association avec un déclin accéléré de la fonction pulmonaire, une fréquence accrue d’exacerbation aiguë et un risque de mortalité plus

Access restricted. Please log in or start a trial to view this content.

Disclosures

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Les auteurs affirment qu’ils n’ont aucun intérêt financier concurrent ou relation personnelle connue qui aurait pu influencer le travail rapporté dans cet article. Ils n’ont également aucun conflit d’intérêts concernant la publication de ce manuscrit. La recherche a été menée conformément aux normes éthiques, et tous les auteurs ont contribué au travail conformément aux exigences de la revue. Il n’existe aucun intérêt financier ou non financier qui pourrait potentiellement biaiser la recherche ou l’interprétation des résultats. Les auteurs confirment que les outils linguistiques basés sur l’IA (Grammarly et Quilbot) ont été utilisés pour améliorer et peaufiner la grammaire et la formulation du manuscrit. Toutes les parties du manuscrit ont été écrites manuellement par les auteurs, et même après avoir utilisé les outils de finition de l’article, les auteurs ont examiné manuellement le résultat final. Tous les auteurs ont lu et approuvé le manuscrit final. Chacun assume l’entière responsabilité de la précision et de l’intégrité du travail.

Acknowledgements

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Cette recherche a été soutenue par « Comparaison des traits traitables de la bronchiectasie avec divers phénotypes cliniques : une étude de cohorte prospective » sous la direction d’une subvention (LCYSSQ20220823091203007) du Shenzhen Clinical Research Center for Respiratory Disease, Shenzhen Institute of Respiratory Disease, Shenzhen People’s Hospital China.

Je tiens à exprimer ma sincère gratitude à tous ceux qui ont contribué à cette recherche et à la rédaction de ce manuscrit. Avant tout, je suis profondément redevable à mon superviseur, He Huang, pour ses encouragements constants, ses conseils précieux et ses commentaires perspicaces tout au long du processus. Son expertise et sa patience ont été déterminantes pour m’aider à clarifier mes idées et à améliorer la qualité de ce travail. Je suis également reconnaissant envers mes collègues du département de médecine pulmonaire et de soins intensifs, du premier hôpital affilié de l’Université de Shenzhen (Shenzhen Second People’s Hospital), Shenzhen, Guangdong, Chine, en particulier Yan Zhang, Zhi Yang, et d’autres. Ils m’ont apporté un soutien essentiel, notamment en partageant du matériel expérimental, en offrant des conseils techniques et en participant à des discussions fructueuses. Leurs contributions ont considérablement facilité mes recherches. De plus, je tiens à remercier « Comparaison des traits traitables de la bronchiectasie avec divers phénotypes cliniques : une étude de cohorte prospective » pour leur soutien financier, sans lequel cette recherche n’aurait pas été possible. Enfin, je tiens à remercier ma famille et mes amis pour leur soutien indéfectible et leur compréhension tout au long de mes recherches et de mes écrits. Leur amour et leur encouragement m’ont donné la force de surmonter les difficultés et de mener à bien ce travail.

Access restricted. Please log in or start a trial to view this content.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
HRCT Scans
 		Shenzhen
Second
People's
Hospital		Utilisé pour diagnostiquer l'obstruction muqueuse des petites voies respiratoires chez les patients atteints de BPCO
SPSS 25.0 Software1BMLogiciel statistique utilisé pour l'analyse de données, y compris les tests t et la régression logistique.
R Software (Packages: mms, mstate, etc.)

 		R Foundation for Statistical ComputingUtilisé pour l'analyse statistique et la validation des modèles, y compris le calcul de l'indice C.
Electronic Medical
Record System		Shenzhen
Second
People's Hospital		Source de données pour les variables cliniques et de laboratoire, y compris les antécédents des patients et les paramètres diagnostiques.
Logistic Regression
Equation
 		Custom
(Applied via
SPSS and R)		Utilisé pour dépister les facteurs de risque indépendants liés à l'obstruction muqueuse des petites voies respiratoires chez les patients atteints de BPCO.

References

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Fazleen, A., Wilkinson, T. Early COPD: current evidence for diagnosis and management. Ther. Adv. Respir. Dis. 14, 1753466620942128(2020).
  2. Eapen, M. S., et al. Profiling cellular and inflammatory changes in the airway wall of mild to moderate COPD. Respirology. 22, 1125-1132 (2017).
  3. Bu, T., Wang, L. F., Yin, Y. Q. How do innate immune cells contribute to airway remodeling in COPD progression? Int. J. Chron. Obstruct. Pulmon. Dis. 15, 107-116 (2020).
  4. Ladjemi, M. Z., et al. Increased IgA expression in lung lymphoid follicles in severe COPD. Am. J. Respir. Crit. Care Med. 199, 592-602 (2019).
  5. Blackburn, J. B., et al. Secretory cells are the primary source of pIgR in small airways. Am. J. Respir. Cell Mol. Biol. 67, 334-345 (2022).
  6. Polosukhin, V. V., et al. Secretory IgA deficiency in individual small airways is associated with persistent inflammation and remodeling. Am. J. Respir. Crit. Care Med. 195, 1010-1021 (2017).
  7. Zakarya, R., et al. BET proteins are associated with the induction of small airway fibrosis in COPD. Thorax. 76, 647-655 (2021).
  8. Mahmood, M. Q., et al. Transforming growth factor (TGF)β1 and Smad signalling pathways: a likely key to EMT-associated COPD pathogenesis. Respirology. 22, 974-985 (2017).
  9. Balázs, A., Mall, M. A. Mucus obstruction and inflammation in early cystic fibrosis lung disease: emerging role of the IL-1 signaling pathway. Pediatr. Pulmonol. 54, S5-S12 (2019).
  10. Radicioni, G., et al. Airway mucin MUC5AC and MUC5B concentrations and the initiation and progression of COPD: an analysis of the SPIROMICS cohort. Lancet Respir. Med. 9, 1241-1254 (2021).
  11. Ghosh, A., Boucher, R. C., Tarran, R. Airway hydration and COPD. Cell. Mol. Life Sci. 72, 3637-3652 (2015).
  12. Dunican, E. M., Watchorn, D. C., Fahy, J. V. Autopsy and imaging studies of mucus in asthma: lessons learned about disease mechanisms and the role of mucus in airflow obstruction. Ann. Am. Thorac. Soc. 15, S184-S191 (2018).
  13. Thornton, D. J., Rousseau, K., McGuckin, M. A. Structure and function of the polymeric mucins in airways mucus. Annu. Rev. Physiol. 70, 459-486 (2008).
  14. Mall, M. A., Danahay, H., Boucher, R. C. Emerging concepts and therapies for mucoobstructive lung disease. Ann. Am. Thorac. Soc. 15, S216-S226 (2018).
  15. Hogg, J. C., et al. Survival after lung volume reduction in COPD: insights from small airway pathology. Am. J. Respir. Crit. Care Med. 176, 454-459 (2007).
  16. Jacobson, P. K., Lind, L., Persson, H. L. The exacerbation of COPD: which symptom is most important to monitor? Int. J. Chron. Obstruct. Pulmon. Dis. 18, 1533-1541 (2023).
  17. Inoue, D., et al. Mechanisms of mucin production by rhinovirus infection in cultured human airway epithelial cells. Respir. Physiol. Neurobiol. 154, 484-499 (2006).
  18. Jing, Y., et al. NOTCH3 contributes to rhinovirus-induced goblet cell hyperplasia in COPD airway epithelial cells. Thorax. 74, 18-32 (2019).
  19. Lillehoj, E. P., et al. Neuraminidase 1-mediated desialylation of the mucin 1 ectodomain releases a decoy receptor protecting against Pseudomonas aeruginosa lung infection. J. Biol. Chem. 294, 662-678 (2019).
  20. Kato, K., et al. Membrane-tethered MUC1 mucin counter-regulates the phagocytic activity of macrophages. Am. J. Respir. Cell Mol. Biol. 54, 515-523 (2016).
  21. Hogg, J. C. Pathophysiology of airflow limitation in COPD. Lancet. 364, 709-721 (2004).
  22. Lin, V. Y., et al. Excess mucus viscosity and airway dehydration impact COPD airway clearance. Eur. Respir. J. 55, 1900419(2020).
  23. Dunican, E. M., et al. Mucus plugs in patients with asthma linked to eosinophilia and airflow obstruction. J. Clin. Invest. 128, 997-1009 (2018).
  24. Dunican, E. M., et al. Mucus plugs and emphysema in the pathophysiology of airflow obstruction and hypoxemia in smokers. Am. J. Respir. Crit. Care Med. 203, 957-968 (2021).
  25. Kun, J., et al. Reduced serum 25(OH)D is closely related to bronchial mucus plug formation in children with mycoplasma pneumonia: a prospective cohort study. Front. Public Health. 11, 1099683(2023).
  26. Kodaka, N., et al. Effectiveness of mucus plug removal by bronchoscopy for high-attenuation mucus with allergic bronchopulmonary mycosis. Allergol. Int. 71, 150-152 (2022).
  27. Okajima, Y., et al. Luminal plugging on chest CT scan: association with lung function, quality of life, and COPD clinical phenotypes. Chest. 158, 121-130 (2020).
  28. Rogliani, P., Calzetta, L. Impact of airway-occluding mucus plugs on mortality in COPD according to disease severity: a subset analysis from COPDGene. Int. J. Chron. Obstruct. Pulmon. Dis. 20, 831-840 (2025).
  29. da Silva, S. M. D., et al. Bronchiectasis associated with severe COPD: clinical, functional, microbiological and tomographic features. Lung India. 39, 502-509 (2022).
  30. Polosukhin, V. V., et al. Small airway determinants of airflow limitation in COPD. Thorax. 76, 1079-1088 (2021).
  31. Yang, C., et al. Correlation of luminal mucus score in large airways with lung function and quality of life in severe acute exacerbation of COPD. Int. J. Chron. Obstruct. Pulmon. Dis. 16, 1449-1459 (2021).
  32. Yasuo, M., et al. Differences between central airway obstruction and COPD detected with the forced oscillation technique. Int. J. Chron. Obstruct. Pulmon. Dis. 15, 1425-1434 (2020).
  33. Islam, S., et al. Association of serum vitamin D (25OHD) level with acute exacerbation of COPD. Mymensingh Med. J. 28, 441-448 (2019).
  34. Ghosh, A. J., et al. Vitamin D deficiency is associated with respiratory symptoms and airway wall thickening in smokers with and without COPD: a prospective cohort study. BMC Pulm. Med. 20, 141(2020).
  35. Kurian, N., et al. Dual role for a MEK inhibitor as a modulator of inflammation and host defense in COPD. Int. J. Chron. Obstruct. Pulmon. Dis. 14, 2611-2624 (2019).
  36. Jiang, J. J., et al. TLR3 inhibitor and tyrosine kinase inhibitor attenuate cigarette smoke/poly I:C-induced airway inflammation and remodeling via the EGFR/TLR3/MAPK pathway. Eur. J. Pharmacol. 890, 173654(2021).
  37. Liu, W., et al. Chinese patent medicine for COPD based on tonifying Qi, promoting blood circulation, and resolving phlegm: a systematic review of RCTs. J. Tradit. Chin. Med. 35, 1-10 (2015).
  38. Jorde, I., et al. Association of serum vitamin D levels with disease severity, systemic inflammation, lung function loss, and exacerbations in COPD patients. J. Thorac. Dis. 13, 3597-3609 (2021).
  39. Wannamethee, S. G., et al. Vitamin D deficiency, impaired lung function, and total and respiratory mortality in older men: The British Regional Heart Study. BMJ Open. 11, e040650(2021).
  40. Liu, W., Zhang, X., Mao, B., Jiang, H. Systems pharmacology-based study of Tanreqing injection in airway mucus hypersecretion. J. Ethnopharmacol. 249, 112425(2020).
  41. Lange, P., et al. Relation of ventilatory impairment and chronic mucus hypersecretion to mortality from obstructive lung disease and from all causes. Thorax. 45, 579-585 (1990).
  42. Wu, Z., Wang, D., Tang, C. A novel nomogram for predicting the risk of coronary atherosclerosis in patients with gastroesophageal reflux disease. Arab J. Gastroenterol. 26, 176-184 (2025).

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

Chronic Obstructive PulmonaryMucus ObstructionNomogram ValidationSmall Airway MucusChest Computed TomographyCOPD Risk PredictionLogistic RegressionReceiver Operating CharacteristicBronchiectasisForced Expiratory Flow

Related Articles