Association of brain infarcts and cardiac autonomic dysfunction using entropy functions in patients with atrial fibrillation
Notice bibliographique
Résumé
Abstract Background Cardiac autonomic dysfunction after brain infarcts is a strong predictor of adverse outcome. Purpose The aim of this study was to investigate the association of large cortical or non-cortical brain infarcts (LNCCI) with multiscale (MSE) and sample entropy (SE), which characterize the complexity of RR interval time series in atrial fibrillation patients. Methods In this cross-sectional analysis, we enrolled 1085 patients (mean age 72±9 years, 29% female) from the Swiss-AF cohort study with baseline brain MRI and without a paced rhythm on a 5-minute resting 12-lead ECG (61% in SR and 39% in AF). We constructed linear regression models to analyze the association between presence of LNCCI and entropy markers, adjusted for age, gender, intake of betablockers, diabetes and heart failure. Results On brain MRI, LNCCI were present in 220 patients (20.3%). 53% of these brain infarcts were clinically silent. Patients with LNCCI had a higher MSE (median 11.4 (IQR 6.5-13.3) vs. 8.5 (IQR 5.2-12.6), p<0.001) and SE (median 2.6 (IQR 1.0-3.4) vs. 1.6 (IQR 0.8-3.2), p<0.001) compared to patients without LNCCI. After adjustment for possible confounders, the presence of LNCCI was independently associated with a higher MSE (β=0.77; 95% CI 0.19-1.35, p=0.010). This association persisted when patients with a history of stroke/TIA were excluded. Conclusions Brain infarcts, irrespective if clinically overt or silent, are associated with higher entropy markers in AF patients, which indicates cardiac autonomic disturbances.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,000 | 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 ».