Cigarette smoking and structural brain deficits in patients with atrial fibrillation
Notice bibliographique
Résumé
Abstract Background Brain lesions are common in patients with atrial fibrillation (AF). Whether cigarette smoking is associated with an increased risk of brain lesions and reduced brain volume in patients with AF is currently unknown. Purpose In this analysis, we aimed to investigate the association of cigarette smoking habits with cerebral small vessel disease and overall brain volume. Methods For this cross-sectional analysis, we included AF patients from a multicentre cohort study. Smoking habits were defined by smoking status categories (never, former, current), duration (tertiles of years), cigarettes per day (CPD as obtained at baseline), packyears (PKY, tertiles) and time since smoking cessation (≤5 years, 6-10 years, 11-15 and ≥16 years). A standardized brain magnetic resonance imaging was done to assess the prevalence of small vessel disease white matter lesions (WML, graded according to the Fazekas scale) and small non-cortical infarcts (SNCI). Additionally, MRI was used to quantify the volumes of WML and SNCI; as well as to measure grey matter (GM) and white matter (WM) brain volumes. Multivariable adjusted logistic and linear regression analyses were applied. Results 1746 patients were enrolled (mean age 72.6 years, 27.5% females). 131 (7.5%) were current smokers, 846 (48.5%) former and 769 (44%) never smokers. Patients with a longer smoking duration, higher amount of CPD and PKY had reduced GM brain volume (p for linear trend 0.05, 0.005 and 0.02, respectively). Patient with higher CPD also had a reduced WM brain volume (p for linear trend 0.04). Compared to patients with a smoking duration in the lowest tertile (≤18 years), patients who had smoked for 19-34 years (second tertile) and more than 35 years (third tertile) had a higher risk for WML Fazekas ≥2 with an OR (95% CI) of 1.85 (1.29; 2.66, p=0.001) and 1.46 (1.01; 2.09, p=0.04) (Figure 1). Additionally, increasing smoking duration tertiles exhibited larger WML volumes, with a significant linear trend (p=0.05). AF patients who quit smoking ≥16 years ago had a lower odds for SNCI (OR 0.47 (0.24; 0.94, p= 0.03), less WML volume (β: -0.451 (-0.8; -0.11, p=0.01), and a higher WM brain volume (β: 16.9 (0.3; 33.6, p= 0.05) compared to patients who quit 5 years prior to the study enrolment (Figure 2). We found no significant difference in any structural brain deficit between current and former smokers compared to never smokers. Conclusion In a large AF population, we found that smoking duration and amount were associated with the loss of brain volumes. Smoking duration and time since smoking cessation were associated with small vessel disease.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».