Exercise transiently increases the density of incipient blood clots in antiplatelet-treated lacunar stroke patients
Notice bibliographique
Résumé
INTRODUCTION: Older individuals and, in particular, individuals at risk of recurrent stroke, may be susceptible to thrombosis when participating in exercise, however, this aspect has not been well investigated. METHODS: Clot microstructure and conventional markers of thrombotic risk were determined in twenty lacunar stroke patients and fifteen healthy age-matched controls before, immediately after and 1 h after a bout of moderate intensity cycling exercise. Data were analyzed using a linear mixed model approach. RESULTS: At rest, clot microstructure (1.69 ± 0.07 vs. 1.64 ± 0.05, corresponding to a difference of ~ 50% in normalized clot mass; p = 0.009) and thrombocyte count (73%; p < 0.0001) were higher, and activated partial thromboplastin time was lower (18%; p = 0.0001) in stroke patients compared to age-matched controls. Acute exercise increased thrombogenic markers similarly in the two groups: incipient clot microstructure (1.69 ± 0.07 vs. 1.74 ± 0.05; p = 0.0004 and 1.64 ± 0.05 vs. 1.71 ± 0.04; p < 0.0001, for stroke and controls respectively), plasma fibrinogen (12%; p < 0.0001 and 18%; p < 0.0001, for stroke and controls respectively) and the combined coagulation factors II, VII and X (p = 0.0001 and p < 0.0001, for stroke and controls respectively). CONCLUSION: The results show that exercise transiently increases the risk of blood clot formation in both stroke patients and controls, however, due to the higher baseline thrombogenicity in stroke patients, the post exercise risk of forming blood clots may be higher in this group. TRIAL REGISTRATION: Registered at ClinicalTrials.gov (NCT03635177).
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 ».