Stress-Induced Autonomic Dysfunction is Associated With Mental Stress–Induced Myocardial Ischemia in Patients With Coronary Artery Disease
Notice bibliographique
Résumé
BACKGROUND: Mental stress-induced myocardial ischemia (MSIMI) is associated with adverse cardiovascular outcomes in individuals with coronary artery disease, but the mechanisms underlying this phenomenon are unknown. We examined the relationship between stress-induced autonomic dysfunction, measured by low heart rate variability (HRV) in response to stress, and MSIMI in patients with stable coronary artery disease. We hypothesized that stress-induced autonomic dysfunction is associated with higher odds of MSIMI. METHODS: In 735 participants with stable coronary artery disease, we measured high- and low-frequency HRV in 5-minute intervals before and during a standardized laboratory-based speech stressor using Holter monitoring. HRV at rest and stress were categorized into low HRV (first quartile) versus high HRV (second to fourth quartiles); the low category was used as an indicator of autonomic dysfunction. Multivariable logistic regression models were used to examine the association of autonomic dysfunction with MSIMI. RESULTS: The mean age was 58 (SD, ±10) years, 35% were women, 44% were Black participants, and 16% developed MSIMI. Compared with high HRV during stress, low HRV during stress (both high and low frequencies) was associated with higher odds of MSIMI after adjusting for demographic and clinical factors (odds ratio for high-frequency HRV, 2.1 [95% CI, 1.3-3.3]; odds ratio for low-frequency HRV, 2.1 [95% CI, 1.3-3.3]). Low-frequency HRV at rest was also associated with MSIMI but with slightly reduced effect estimates. CONCLUSIONS: In individuals with coronary artery disease, mental stress-induced autonomic dysfunction may be a mechanism implicated in the causal pathway of MSIMI.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».