Echocardiographic epicardial adipose tissue measurements provide information about cardiovascular risk in hemodialysis patients
Notice bibliographique
Résumé
Epicardial adipose tissue (EAT) is a cardiovascular risk predictor in general population. However, its value has not been well validated in maintainance hemodialysis (MHD) patients. We aimed to assess associations of EAT with cardiovascular risk predictors in nondiabetic MHD patients. In this cross-sectional study, we measured EAT thickness by transthoracic echocardiography in 50 MHD patients (45.8 ± 14.6 years of age, 37 male). Antropometric measurements, bioimpedance analysis, left ventricular (LV) mass, carotis intima media thickness, blood tests, homeostasis model assessment for insulin resistance (HOMA-IR) and hemodialysis dose by single-pool urea clearence index (spKt/V) were determined. The mean EAT thickness was 3.28 ± 1.04 mm. There were significant associations of EAT with body mass index (β = 0.590, P < 0.001), waist circumference (β = 0.572, P < 0.001), body fat mass (β = 0.562, P < 0.001), percentage of body fat mass (β = 0.408, P = 0.003), percentage of lean tissue mass (β = -0.421, P = 0.002), LV mass (β = 0.426, P = 0.002), carotis intima media thickness (β = 0.289, P = 0.042), triglyceride/high-density lipoprotein cholesterol ratio (β = 0.529, P < 0.001), 1/HOMA-IR (β = -0.386, P = 0.006), and spKt/V (β = -0.311, P = 0.028). No association was exhibited with visfatin C, high-sensitivity C-reactive protein, interleukin-6, and tumor necrosis factor-alpha (for all, P > 0.05). Body mass index, waist circumference, body fat mass, percentage of lean tissue mass, LV mass, triglyceride/high-density lipoprotein cholesterol ratio, HOMA-IR, and spKt/V appeared as independent predictors of EAT. EAT was significantly associated with body fat measures, cardiovascular risk predictors, and dialysis dose in MHD patients.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».