Physical activity and brain health in patients with atrial fibrillation
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Vascular brain lesions, such as ischemic infarcts, are common among patients with atrial fibrillation (AF) and are associated with impaired cognitive function. The role of physical activity (PA) in the prevalence of brain lesions and cognition in AF has not been investigated. METHODS: Patients from the multicenter Swiss-AF cohort study were included in this cross-sectional analysis. We assessed regular exercise (RE; at least once weekly) and minutes of weekly PA using a validated questionnaire. We studied associations with ischemic infarcts, white matter hyperintensities, cerebral microbleeds, and brain volume on brain magnetic resonance imaging and with global cognition measured with a cognitive construct (CoCo) score. RESULTS: Among 1490 participants (mean age = 72 ± 9 years), 730 (49%) engaged in RE. In adjusted regression analyses, RE was associated with a lower prevalence of ischemic infarcts (odds ratio [OR] = 0.78, 95% confidence interval [CI] = 0.63-0.98, p = 0.03) and of moderate to severe white matter hyperintensities (OR = 0.78, 95% CI = 0.62-0.99, p = 0.04), higher brain volume (β-coefficient = 10.73, 95% CI = 2.37-19.09, p = 0.01), and higher CoCo score (β-coefficient = 0.08, 95% CI = 0.03-0.12, p < 0.001). Increasing weekly PA was associated with higher brain volume (β-coefficient = 1.40, 95% CI = 0.65-2.15, p < 0.001). CONCLUSIONS: In AF patients, RE was associated with a lower prevalence of ischemic infarcts and of moderate to severe white matter disease, with larger brain volume, and with better cognitive performance. Prospective studies are needed to investigate whether these associations are causal. Until then, our findings suggest that patients with AF should be encouraged to remain physically active.
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) | 0,000 | 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 ».