Notice bibliographique
Résumé
Abnormal nocturnal blood pressure (BP) during sleep is considered an indication of many cardiovascular diseases.[1] For healthy individuals, nocturnal BP drops 5-10% on ambulatory BP monitoring (ABPM). Individuals with abnormal nocturnal BP are classified in three distinct ways: (1) an absence of BP drop, (2) a lack of typical nocturnal dip (LND), or (3) a rise of BP at night (RBPN).[3] In this study, we examine a potential correlation between obesity and abnormal nocturnal BP and the impact of weight loss on nocturnal BP patterns. For our study, we recruited 30 individuals with LND, 30 with RBPN, and 20 with normal nocturnal BP (control) and placed them all on a prescribed DASH diet previously demonstrated to improve daytime BP.[9] Baseline ABPM readings and body mass index (BMI) measurements for each individual were compared before and after two months of dieting. After two months on the DASH diet, the control group had the lowest BMI followed by the LND group and the RBPN group. These results demonstrate a linear correlation between BMI and nocturnal BP. Individuals who lost less than 5% of their original weight experienced a 3% increase in BP at night. Those who lost more than 5% weight experienced a 8.5% decrease in BP nocturnally, effectively restoring their healthy nocturnal BP pattern. Thus, obesity may contribute to nocturnal BP abnormalities, and weight loss may improve this condition. Une pression artérielle (PA) nocturne anormale durant le sommeil est considérée un indicateur de nombreuses maladies cardiovasculaires.[1] Chez les personnes saines, la PA nocturne diminue de façon physiologique d’environ 5-10 % mesurée grâce au moniteur ambulatoire de pression artérielle (MAPA). Les personnes ayant une PA nocturne anormale sont classées de trois façons distinctes: 1) une absence d’une diminution de PA, 2) un manque de « dipping » nocturne typique (MDN), ou 3) une augmentation de la PA durant la nuit (APAN).[3] Dans cette étude, nous examinons la possibilité d’une corrélation entre l’obésité et la PA nocturne anormale et l’impact d’une perte de poids sur les motifs de la PA nocturne. Pour notre étude, nous avons recruté 30 individus avec MDN, 30 avec APAN, et 20 individus avec une PA nocturne normale (groupes contrôle), et les avons mis sur le régime DASH qui a précédemment démontré une amélioration de PA durant la journée.[9] Des mesures de base avec MAPA ainsi que des mesures d’indice de masse corporelle (IMC) furent prises pour chaque individu, et par la suite utilisées afin de les comparer avec les mesures de MAPA et d’IMC suites aux deux mois du régime. Après avoir suivi le régime DASH pendant une durée de deux mois, le groupe contrôle avait la plus faible IMC suivie par le groupe du MDN, et le groupe APAN eu le plus haut IMC global. Ces résultats démontrent une relation linéaire entre l’IMC et des anomalies de PA nocturnes. Les individus qui ont perdus <5 % de poids ont su voir une augmentation de PA d’un taux de 3 % la nuit. Ceux qui ont perdu ≥ 5 % de poids ont eu une diminution de leur PA de 8,5% la nuit ce qui rétablit un motif sains de PA nocturne. Par conséquent, conformément à cette étude on peut conclure que l’obésité contribue à des anormalités de la PA nocturne, et la perte de poids peut améliorer cette conditions.
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 | 0,001 | 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 | 0,001 |
| 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 ».