Body composition and risk of heart failure: protocol for a systematic review and meta-analysis
Notice bibliographique
Résumé
Introduction Although there is strong evidence of an association between general adiposity and incidence of heart failure, previous systematic reviews and meta-analyses have not reliably assessed the association of heart failure risk with other aspects of body composition (such as body fat distribution or lean mass), or between body composition and risk of heart failure subtypes. We aim to conduct a systematic review and meta-analysis of prospective studies to address these uncertainties, and inform efforts to prevent and treat heart failure. Methods and analysis The Preferred Reporting Items for Systematic Reviews and Meta-Analyses for Protocols statement was used as a template for this protocol. A systematic search of Medline, Embase and Global Health from database inception to present will be conducted to identify prospective studies reporting on the associations between major measures of body composition (body mass index, waist circumference, waist–hip ratio, total body fat, visceral adiposity tissue and lean mass) and risk of heart failure. Article screening and selection will be performed by two reviewers independently, and disagreements will be adjudicated by consensus or by a third reviewer. Data from eligible articles will be extracted, and article quality will be assessed using the Newcastle-Ottawa Scale. Relative risks (and 95% CIs) will be pooled in a fixed effect meta-analysis, if there is no prohibitive heterogeneity of studies as assessed using the Cochrane Q statistic and I2 statistic. Subgroup analyses will be by age, sex, ethnicity and heart failure subtypes. Publication bias in the meta-analysis will be assessed using Egger’s test and funnel plots. Ethics and dissemination This work is secondary analyses on published data and ethical approval is not required. We plan to publish results in an open-access peer-reviewed journal, present it at international and national conferences, and share the findings on social media. PROSPERO registration number CRD42020224584.
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 | 0,089 | 0,150 |
| Méta-épidémiologie (sens strict) | 0,009 | 0,007 |
| Méta-épidémiologie (sens large) | 0,025 | 0,037 |
| Bibliométrie | 0,012 | 0,013 |
| Études des sciences et des technologies | 0,004 | 0,005 |
| Communication savante | 0,009 | 0,007 |
| Science ouverte | 0,007 | 0,006 |
| Intégrité de la recherche | 0,009 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,076 | 0,008 |
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 ».