Acute myocardial infarction triggered by physical exertion: a systematic review and meta-analysis
Notice bibliographique
Résumé
AIMS: While regular physical activity has clear benefits to cardiovascular health, physical exertion can trigger acute myocardial infarction (AMI). We aimed to estimate how many AMIs may be attributed to bouts of physical exertion and to explore possible modifiers of this association. METHODS AND RESULTS: MEDLINE, ISI Web of Science, and Scopus databases were searched for case-crossover studies reporting the relative risk (RR) of exertion-related AMI and exposure prevalence in the control periods. We used the random-effects model to pool the RR estimates and the mixed-effects model and random-effects meta-regression for subgroup analyses and estimated the population attributable fraction (PAF) at the population level and in different subgroups. The study met the Preferred Reporting Items for Systematic Reviews and Meta-Analyses requirements. Twelve studies including 19 891 AMI patients met the criteria for inclusion. There was a strong overall association between episodic physical exertion and AMI [RR = 3.46; 95% confidence interval (CI), 3.16-3.78]. The total PAF was 10.6% (95% CI, 9.44-11.83). For each additional year of age, the RR of exertion-related AMI increased by ∼3%, but the PAF decreased by 2%. For each additional time of habitual activity per week, the RR of exertion-related AMI decreased by ∼43%. The impact was greater among those engaged in physical exertion one to three times a week (≥20% of cases) and among those who did not take compared with those who took β-blockers (P = 0.049). CONCLUSION: Every tenth AMI may be assigned to physical exertion. The impact was more pronounced among younger patients, those exposed to exertion one to three times a week, and those not taking β-blockers.
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 | 0,007 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,026 | 0,027 |
| Bibliométrie | 0,001 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».