The association of grip strength with cardiovascular diseases and all-cause mortality in people with hypertension: Findings from the Prospective Urban Rural Epidemiology China Study
Notice bibliographique
Résumé
BACKGROUND: Both hypertension and grip strength (GS) are predictors of mortality and cardiovascular disease (CVD), but whether these risk factors interact to affect CVD and all-cause mortality is unknown. This study sought to investigate the associations of GS with the risk of major CVD incidence, CVD mortality, and all-cause mortality in patients with hypertension. METHODS: GS was measured using a Jamar dynamometer (Sammons Preston, Bolingbrook, IL, USA) in participants aged 35-70 years from 12 provinces included in the Prospective Urban Rural Epidemiology China Study. Cox frailty proportional hazards models were used to examine the associations of GS and hypertension and the outcomes of all-cause mortality and CVD incidence/mortality. RESULTS: Among 39,862 participants included in this study, 15,964 reported having hypertension, and 9095 had high GS at baseline. After a median follow-up of 8.9 years (interquartile range, 6.7-9.9 years), 1822 participants developed major CVD, and 1250 deaths occurred (388 as a result of CVD). Compared with normotensive participants with high GS, hypertensive patients with high GS had a higher risk of major CVD incidence (hazard ratio (HR) = 2.39; 95% confidence interval (95%CI): 1.86-3.06; p < 0.001) or CVD mortality (HR = 3.11; 95%CI: 1.59-6.06; p < 0.001) but did not have a significantly increased risk of all-cause mortality (HR = 1.24; 95%CI: 0.92-1.68; p = 0.159). These risks were further increased if hypertensive participants whose GS level was low (major CVD incidence, HR = 3.31, 95%CI: 2.60-4.22, p < 0.001; CVD mortality, HR = 4.99, 95%CI: 2.64-9.43, p < 0.001; and all-cause mortality, HR = 1.93, 95%CI: 1.47-2.53, p < 0.001). CONCLUSION: The present study demonstrates that low GS is associated with the highest risk of major CVD incidence, CVD mortality, and all-cause mortality among hypertensive patients. High levels of GS appear to mitigate long-term mortality risk among hypertensive 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 machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».