Cardiorespiratory fitness is a strong and consistent predictor of morbidity and mortality among adults: an overview of meta-analyses representing over 20.9 million observations from 199 unique cohort studies
Notice bibliographique
Résumé
OBJECTIVE: To examine and summarise evidence from meta-analyses of cohort studies that evaluated the predictive associations between baseline cardiorespiratory fitness (CRF) and health outcomes among adults. DESIGN: Overview of systematic reviews. DATA SOURCE: Five bibliographic databases were searched from January 2002 to March 2024. RESULTS: From the 9062 papers identified, we included 26 systematic reviews. We found eight meta-analyses that described five unique mortality outcomes among general populations. CRF had the largest risk reduction for all-cause mortality when comparing high versus low CRF (HR=0.47; 95% CI 0.39 to 0.56). A dose-response relationship for every 1-metabolic equivalent of task (MET) higher level of CRF was associated with a 11%-17% reduction in all-cause mortality (HR=0.89; 95% CI 0.86 to 0.92, and HR=0.83; 95% CI 0.78 to 0.88). For incident outcomes, nine meta-analyses described 12 unique outcomes. CRF was associated with the largest risk reduction in incident heart failure when comparing high versus low CRF (HR=0.31; 95% CI 0.19 to 0.49). A dose-response relationship for every 1-MET higher level of CRF was associated with a 18% reduction in heart failure (HR=0.82; 95% CI 0.79 to 0.84). Among those living with chronic conditions, nine meta-analyses described four unique outcomes in nine patient groups. CRF was associated with the largest risk reduction for cardiovascular mortality among those living with cardiovascular disease when comparing high versus low CRF (HR=0.27; 95% CI 0.16 to 0.48). The certainty of the evidence across all studies ranged from very low-to-moderate according to Grading of Recommendations, Assessment, Development and Evaluations. CONCLUSION: We found consistent evidence that high CRF is strongly associated with lower risk for a variety of mortality and incident chronic conditions in general and clinical populations.
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 | 0,028 | 0,067 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,016 | 0,043 |
| Bibliométrie | 0,009 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».