Obesity/cardiometabolic phenotype of heart failure with preserved ejection fraction: mechanisms to recent trials
Notice bibliographique
Résumé
PURPOSE OF REVIEW: Heart failure with preserved ejection fraction (HFpEF) is a leading and growing cause of morbidity and mortality globally. Of the various phenotypes identified, the obesity (or cardiometabolic) phenotype appears to be most common. The purpose of this review is to provide the clinician with an abridged understanding of recent developments that have elucidated obesity/visceral adiposity as a central mechanism linking inflammation/immune dysregulation to the development of the HFpEF syndrome. Recent clinical trials examining the efficacy of pharmacological treatments that target obesity in HFpEF will also be discussed. RECENT FINDINGS: Recent data indicate that visceral adiposity and insulin resistance in HFpEF serve as key mechanisms driving inflammation and immune dysregulation, which play a critical role in the development of cardiac stiffness, diastolic dysfunction and fibrosis in HFpEF. In obesity, alterations in macrophage polarization, changes in innate and adaptive immune systems and altered myocardial energetics promote metabolic inflammation in HFpEF. Finally, emerging data suggest that inflammatory biomarkers, specifically, IL-6, may provide useful information about HFpEF severity and symptom burden in obesity. SUMMARY: The obesity phenotype of HFpEF is seen in upward of 80% with HFpEF. Obesity is not just a bystander, but plays an essential role in the pathobiology and clinical course of HFpEF. Targeting overweight/obesity in HFpEF with GLP-1 receptor agonists holds promise in these patients.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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) | 0,000 | 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 ».