Atrial Fibrillation in Middle-Aged Athletes: Impact on Left Atrial, Ventricular and Exercise Performance
Notice bibliographique
Résumé
Abstract High volume endurance training may increase the risk of paroxsysmal atrial fibrillation (AF) in middle-aged athletes. Limited data are available describing the cardiovascular phenotype of middle-aged endurance athletes, or the impact of AF on atrial function and exercise performance performed in sinus rhythm. The purpose of this study was to characterize LA phasic function at rest and during exercise in athletes with paroxysmal AF, and to determine its impact on exercise performance. Fifteen endurance trained males (EA) (56 ± 5 years) without AF and 14 endurance trained males with paroxysmal AF (EA-AF) (55 ± 8 years) underwent echocardiography during cycle-ergometry at light and moderate intensities. Resting LA maximal volumes were similar between EA and EA-AF (30 ± 4 vs. 29 ± 8 ml/m 2 , p=0.50), and there were no differences in AEMD. During moderate intensity exercise, EA-AF had reduced LA conduit (30 ± 6 vs. 40 ± 5 ml/m 2 , p=0.002) LA booster volumes (17 ± 5 vs. 21 ± 4 ml/m 2 , p=0.021), and reduced LV stroke volumes (100 ± 12 vs. 117 ± 16 ml, p=0.007). These results demonstrate that exercise testing in athletes with AF unmasks evidence of adverse functional cardiac remodelling that may contribute to impaired exercise performance. It is unclear whether these functional alterations are the consequence of AF. Reductions in LA conduit volume, LA booster volume, and LV stroke volume during exercise may be helpful in clinical management and distinguishing pathologic from physiologic remodelling.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 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 | 0,001 | 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 ».