Prevalence of electrocardiographic markers associated with myocardial fibrosis in masters athletes: a cohort study
Notice bibliographique
Résumé
Objectives: Myocardial fibrosis (MF) is associated with an increased predisposition to adverse cardiac events. The accumulation of high-volume and high-intensity exercise over an extended duration potentially increases the risk of MF. Specific electrocardiographic markers have been correlated with the presence of MF. This study assessed the prevalence of MF-related electrocardiographic markers in a Track and Field Master Athletics Cohort (TaFMAC). Methods: Twelve-lead resting electrocardiograms (ECGs) were conducted on 155 athletes (90 males and 65 females) participating in the World Masters Athletics 2022. The ECG markers associated with MF, including pathological Q waves, inverted T waves, fragmented QRS complex, and prolonged QRS complex, were compared among different athletic specialities (endurance athletes n=51, sprinters n=69 and strength and power n=35). Results: Overall, 71 instances of MF-related markers were identified from 155 ECG recordings (46%). Fragmented QRS emerged as the most common marker, with a prevalence of 29% in endurance and strength and power athletes, and 35% in sprinters. No significant group differences were observed in the prevalence of MF markers, whether analysed collectively (p=0.467) or individually (pathological Q waves p=0.367, inverted T waves p=0.309, fragmented QRS complex p=0.747 and prolonged QRS complex p=0.132). Conclusions: The prevalence of MF markers, as determined by resting ECG, was evident in nearly half of masters athletes, irrespective of sex and sporting specialisation. These findings suggest resting ECG as a promising non-invasive method for the early identification of MF in athlete's hearts.
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 | 0,007 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».