Association of Heart Rate Variability With Silent Brain Infarcts in Patients With Atrial Fibrillation
Notice bibliographique
Résumé
Purpose: Silent brain infarcts (SBI) are frequently detected in patients with atrial fibrillation (AF), but it is unknown whether SBI are linked to autonomic dysfunction. We aimed to explore the association of autonomic dysfunction with SBI in AF patients. Methods: 1,358 AF patients without prior stroke or TIA underwent brain MRI and 5-min resting ECG. We divided our cohort into AF patients who presented in sinus rhythm (SR-group, n = 816) or AF (AF-group, n = 542). HRV triangular index (HRVI), standard deviation of normal-to-normal intervals, mean heart rate, root mean square root of successive differences of normal-to-normal intervals, 5-min total power and power in the low frequency, high frequency and very low frequency range were calculated. Primary outcome was presence of SBI in the SR group, defined as large non-cortical or cortical infarcts. Secondary outcomes were SBI volumes and topography. Results: Mean age was 72 ± 9 years, 27% were female. SBI were detected in 10.5% of the SR group and in 19.9% of the AF group ( p < 0.001). HRVI <15 was the only HRV parameter associated with the presence of SBI after adjustment for clinical covariates in the SR group [odds ratio (OR) 1.67; 95% confidence interval (CI): 1.03–2.70; p = 0.037]. HRVI <15 was associated with larger brain infarct volumes [β (95% CI) −0.47 (−0.84; −0.09), p = 0.016] in the SR group and was more frequently observed in patients with right- than left-hemispheric SBI ( p = 0.017). Conclusion: Impaired HRVI is associated with SBI in AF patients. AF patients with autonomic dysfunction might undergo systematic brain MRI screening to initiate intensified medical treatment. Clinical Trials Gov Identifier: NCT02105844.
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 | 0,005 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».