Long-Term Visit-To-Visit Blood Pressure Variability and Cognition: A Systematic Review of Observational Studies
Notice bibliographique
Résumé
Abstract Existing literature suggests that in comparison to a single blood pressure (BP) measurement, or the mean of multiple recordings, BP variability (BPV) may reflect dysfunction in cardiovascular regulatory mechanisms, leading to compromised cognitive health. No systematic review has yet synthesized observational reports examining the association between cognition and long-term visit-to-visit BPV. In response, a comprehensive literature search was executed in December, 2019, and updated in December, 2020. Methodological approach was pre-registered (https://osf.io/vmnuq/). Of 1385 reports, 27 met eligibility criteria. Most executed secondary analyses using existing longitudinal datasets of older adults (N=21). Intervals between measurement occasions ranged from 30 days to four years, and follow-up ranged from 0.5-25 years. Most studies computed more than one index of BPV (range=1-6), and all included at least three BP recordings (range=3-12). Given extensive between-study variability in analytic approach (e.g., BPV and cognition treated as continuous and/or categorical variables; number of covariates ranged 0-18), our team determined that meta-analyzing the results would be inappropriate. Despite heterogeneity in study characteristics, the majority (85.2%) reported that systolic BPV (sBPV) was negatively associated with cognition; specifically, higher sBPV was associated with cognitive impairment (N=9), cognitive decline (N=6), and/or risk of dementia (N=5). Four studies also revealed higher sBPV in individuals with dementia compared to controls. Three studies reported no association, while one reported a positive significant association between BPV and cognition. Results were similar for diastolic BPV. Despite considerable heterogeneity in study characteristics, greater variability in visit-to-visit BP appears to be consistently associated with adverse cognitive outcomes.
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 | 0,017 | 0,072 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,011 |
| Bibliométrie | 0,008 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».