Electrocardiographic Findings in Professional Male Athletes
Notice bibliographique
Résumé
OBJECTIVE: To generate granular normative electrocardiogram (ECG) data and characterize the variation by ethnicity and sport played. DESIGN: Cross-sectional study; ECGs were collected from preseason screening programs from 2012 to 2019 and interpreted in accordance with athlete-specific guidelines. SETTING: Of the professional athletes based in Vancouver, the North Shore Heart Centre performs the annual preparticipation ECG screening. PARTICIPANTS: Seven hundred fifty-three professional male athletes competing in hockey, football, lacrosse, skiing, and snowboarding. INTERVENTIONS: Independent variables include commonly transcribed electrocardiographic findings, for example, those indicating benign and pathologic findings. MAIN OUTCOME MEASURES: Prevalence of and variance in electrocardiographic findings by sport played and ethnicity. RESULTS: Of the 753 athletes, 171 (22.3%) were National Hockey League, 358 (47.5%) were Canadian Football League, 163 (21.6%) were Major League Soccer and/or the Canadian National Soccer team, and 61 (8%) others. The most common finding, sinus bradycardia, was more likely in both soccer (P < 0.001) and hockey (P < 0.001) versus football players. Early repolarization (ER) was more likely in soccer players versus both hockey (P < 0.001) and football players (P = 0.001). Within football, Black athletes (BA) were more likely than White athletes to display ER (P = 0.009), left ventricular hypertrophy (P = 0.004), and nonspecific ST changes (P = 0.027). CONCLUSION: Our study contributes to the generation of normative data for ECG findings while accounting for ethnic and sport-specific variation. The expected clinical presentation of endurance athletes, including soccer players, and the possible predisposition of BA to develop distinct adaptations can augment clinical care by delineating physiology from pathologic changes.
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) | 0,002 | 0,001 |
| 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 | 0,001 |
| 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 ».