MétaCan
Menu
Retour à la cohorte

Muscle Sympathetic Activity Kinetics during One‐leg Cycling in Men and Women with and without Heart Failure: Evidence for Preserved Cardiopulmonary Baroreflex Sympathoinhibition

2019· article· en· W2928268661 sur OpenAlexaffabout
Philip J. Millar, Catherine F. Notarius, Peter Picton, Nobuhiko Haruki, John S. Floras

Notice bibliographique

RevueThe FASEB Journal · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueHeart Rate Variability and Autonomic Control
Établissements canadiensUniversity of TorontoUniversity of GuelphUniversity Health NetworkMount Sinai Hospital
Organismes subventionnairesnon disponible
Mots-clésCardiologyMedicineBaroreflexHeart failureInternal medicineCyclingHeart rateIntensity (physics)MicroneurographyEjection fractionBlood pressurePhysics

Résumé

récupéré en direct d'OpenAlex

Microneurographic recordings of muscle sympathetic nerve activity (MSNA) are generally analyzed over discrete epochs, usually in minutes. This is sufficient for determining resting sympathetic outflow but may obscure physiologically relevant information regarding temporal changes during an acute stress, such as exercise. To address this limitation, we applied a moving average to examine continuously the effects of one‐leg cycling on MSNA in 22 participants with (n=11) and without (n=11) heart failure with reduced ejection fraction (HFrEF). MSNA burst frequency and incidence were acquired over an 8 minute period: 2 minutes of baseline, zeroload cycling, moderate intensity cycling (50% of VO 2 peak), and recovery. MSNA was analyzed in 30 second epochs, advancing in five‐second increments to create a 91 point overlapping moving average plot. Area under the curve analysis demonstrated that both MSNA burst frequency and incidence were higher in HFrEF than controls during zeroload and moderate intensity cycling (both, p<0.05). To estimate the reflex sympathoinhibitory consequences of skeletal muscle‐pump induced increases in cardiopulmonary blood volume at the start of exercise, we calculated the nadir reduction in MSNA burst frequency and incidence during the first 30 seconds of zeroload (HFrEF vs. controls: −6±7 vs. −7±4 bursts/min; −12±11 vs. −15±5 bursts/100 heartbeats) and moderate intensity (HFrEF vs. controls: −7±5 vs. −6±7 bursts/min; −11±7 vs. −8±9 bursts/100 heartbeats) cycling; no differences were observed between HFrEF and controls (all, p>0.05). Such initial reductions in MSNA burst frequency were observed in 9/11 HFrEF and 11/11 controls with zeroload cycling; reductions occurred in 11/11 HFrEF and 7/11 controls with moderate intensity cycling (both, p>0.05). These similar group‐mean magnitude reductions in MSNA at the onset of exercise are consistent with preserved cardiopulmonary‐reflex mediated sympathoinhibition in HFrEF; the subsequent increase in MSNA is consistent with an exaggerated muscle metaboreflex contribution. As peripheral neurogenic vasoconstriction contributes to exercise intolerance in HFrEF, exercise regimens with shorter durations (e.g. high intensity interval training) may be better tolerated and more efficacious elements of conditioning protocols for such patients. Support or Funding Information This study was supported by Grants‐in‐Aid from the Heart and Stroke Foundation of Ontario (T4938, NA6298). P.J.M. was supported by a Canadian Institutes of Health Research Postdoctoral Fellowship. J.S.F. was supported by the Canada Research Chair Program. This abstract is from the Experimental Biology 2019 Meeting. There is no full text article associated with this abstract published in The FASEB Journal .

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,268
Écart entre enseignants0,241 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe FASEB JournalMême sujetHeart Rate Variability and Autonomic ControlTravaux en français237 207