Sex differences of vascular brain lesions in patients with atrial fibrillation
Notice bibliographique
Résumé
OBJECTIVE: To examine sex differences in prevalence, volume and distribution of vascular brain lesions on MRI among patients with atrial fibrillation (AF). METHODS: In this cross-sectional analysis, we included 1743 patients with AF (27% women) from the multicentre Swiss Atrial Fibrillation study (SWISS-AF) with available baseline brain MRI. We compared presence and total volume of large non-cortical or cortical infarcts (LNCCIs), small non-cortical infarcts, microbleeds (MB) and white matter hyperintensities (WMH, Fazekas score ≥2 for moderate or severe degree) between men and women with multivariable logistic regression. We generated voxel-based probability maps to assess the anatomical distribution of lesions. RESULTS: We found no strong evidence for an association of female sex with the prevalence of all ischaemic infarcts (LNCCI and SNCI combined; adjusted OR 0.86, 95% CI 0.67 to 1.09, p=0.22), MB (adjusted OR 0.91, 95% CI 0.68 to 1.21, p=0.52) and moderate or severe WMH (adjusted OR 1.15, 95% CI 0.90 to 1.48, p=0.27). However, total WMH volume was 17% larger among women than men (multivariable adjusted multiplicative effect 1.17, 95% CI 1.01 to 1.35; p=0.04). Lesion probability maps showed a right hemispheric preponderance of ischaemic infarcts in both men and women, while WMH were distributed symmetrically. CONCLUSION: Women had higher white matter disease burden than men, while volume and prevalence of other lesions did not differ. Our findings highlight the importance of controlling risk factors for cerebral small vessel disease in patients with AF, especially among women.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».