Impact of whole-body and skeletal muscle composition on peak oxygen uptake in heart failure: a systematic review and meta-analysis
Notice bibliographique
Résumé
Abstract Aims Heart failure (HF) has a major impact on exercise tolerance that may (in part) be due to abnormalities in body and skeletal muscle composition. This systematic review and meta-analysis aims to assess how differences in whole-body and skeletal muscle composition between patients with HF and non-HF controls (CON) contribute to reduced peak oxygen uptake (VO2peak). Methods and results The PubMed database was searched from 1975 to May 2024 for eligible studies. Cross-sectional studies with measures of VO2peak, body composition, or muscle biopsies in HF and CON were considered. Out of 709 articles, 27 studies were included in this analysis. Compared with CON, VO2peak [weighted mean difference (WMD): −9.96 mL/kg/min, 95% confidence interval (CI): −11.71 to −8.21), total body lean mass (WMD: −1.63 kg, 95% CI: −3.05 to −0.21), leg lean mass (WMD: −1.38 kg, 95% CI: −2.18 to −0.59), thigh skeletal muscle area (WMD: −10.88 cm2 , 95% CI: −21.40 to −0.37), Type I fibres (WMD: −7.76%, 95% CI: −14.81 to −0.71), and capillary-to-fibre ratio (WMD: −0.27, 95% CI: −0.50 to −0.03) were significantly lower in HF. Total body fat mass (WMD: 3.34 kg, 95% CI: 0.35–6.34), leg fat mass (WMD: 1.37 kg, 95% CI: 0.37–2.37), and Type IIx fibres (WMD: 7.72%, 95% CI: 1.52–13.91) were significantly higher in HF compared with CON. Absolute VO2peak was significantly associated with total body and leg lean mass, thigh skeletal muscle area, and capillary-to-fibre ratio. Conclusion Individuals with HF display abnormalities in body and skeletal muscle composition including reduced lean mass, oxidative Type I fibres, and capillary-to-fibre ratio that negatively impact VO2peak.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,011 | 0,006 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».