Adverse cardiovascular magnetic resonance phenotypes are associated with greater likelihood of incident coronavirus disease 2019: findings from the UK Biobank
Notice bibliographique
Résumé
BACKGROUND: Coronavirus disease 2019 (COVID-19) disproportionately affects older people. Observational studies suggest indolent cardiovascular involvement after recovery from acute COVID-19. However, these findings may reflect pre-existing cardiac phenotypes. AIMS: We tested the association of baseline cardiovascular magnetic resonance (CMR) phenotypes with incident COVID-19. METHODS: We studied UK Biobank participants with CMR imaging and COVID-19 testing. We considered left and right ventricular (LV, RV) volumes, ejection fractions, and stroke volumes, LV mass, LV strain, native T1, aortic distensibility, and arterial stiffness index. COVID-19 test results were obtained from Public Health England. Co-morbidities were ascertained from self-report and hospital episode statistics (HES). Critical care admission and death were from HES and death register records. We investigated the association of each cardiovascular measure with COVID-19 test result in multivariable logistic regression models adjusting for age, sex, ethnicity, deprivation, body mass index, smoking, diabetes, hypertension, high cholesterol, and prior myocardial infarction. RESULTS: We studied 310 participants (n = 70 positive). Median age was 63.8 [57.5, 72.1] years; 51.0% (n = 158) were male. 78.7% (n = 244) were tested in hospital, 3.5% (n = 11) required critical care admission, and 6.1% (n = 19) died. In fully adjusted models, smaller LV/RV end-diastolic volumes, smaller LV stroke volume, and poorer global longitudinal strain were associated with significantly higher odds of COVID-19 positivity. DISCUSSION: We demonstrate association of pre-existing adverse CMR phenotypes with greater odds of COVID-19 positivity independent of classical cardiovascular risk factors. CONCLUSIONS: Observational reports of cardiovascular involvement after COVID-19 may, at least partly, reflect pre-existing cardiac status rather than COVID-19 induced alterations.
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 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».