Cardiopulmonary Fitness Correlates with Regional Cerebral Grey Matter Perfusion and Density in Men with Coronary Artery Disease
Notice bibliographique
Résumé
PURPOSE: Physical activity is associated with positive effects on the brain but there is a paucity of clinical neuroimaging data in patients with coronary artery disease (CAD), a cardiovascular condition associated with grey matter loss. The purpose of this study was to determine which brain regions are impacted by cardiopulmonary fitness and with the change in fitness after 6 months of exercise-based cardiac rehabilitation. METHODS: CAD patients underwent magnetic resonance imaging at baseline, and peak volume of oxygen uptake during exercise testing (VO2Peak) was measured at baseline and after 6 months of training. T1-weighted structural images were used to perform grey matter (GM) voxel-based morphometry (VBM). Pseudo-continuous arterial spin labeling (pcASL) was used to produce cerebral blood flow (CBF) images. VBM and CBF data were tested voxel-wise using VO2Peak and age as explanatory variables. RESULTS: In 30 men with CAD (mean age 65±7 years), VBM and CBF identified 7 and 5 respective regions positively associated with baseline VO2Peak. These included the pre- and post-central, paracingulate, caudate, hippocampal regions and converging findings in the putamen. VO2Peak increased by 20% at follow-up in 29 patients (t = 9.6, df = 28, p<0.0001). Baseline CBF in the left post-central gyrus and baseline GM density in the right putamen predicted greater change in VO2Peak. CONCLUSION: Perfusion and GM density were associated with fitness at baseline and with greater fitness gains with exercise. This study identifies new neurobiological correlates of fitness and demonstrates the utility of multi-modal MRI to evaluate the effects of exercise in CAD 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».