Aortic-Femoral Stiffness Gradient and Cardiovascular Risk in Older Adults
Notice bibliographique
Résumé
BACKGROUND: The aortic-femoral arterial stiffness gradient, calculated as the ratio of lower-limb pulse-wave velocity (PWV) to central (aortic) PWV, is a promising tool for assessing cardiovascular disease (CVD) risk, but whether it predicts incident CVD is unknown. METHODS: We examined the association of the aortic-femoral arterial stiffness gradient measures carotid-femoral stiffness gradient (femoral-ankle PWV divided by carotid-femoral PWV) and the heart-femoral stiffness gradient (femoral-ankle PWV divided by heart-femoral PWV), as well as PWV, with incident CVD (coronary disease, stroke, and heart failure) and all-cause mortality among 3109 participants of the Atherosclerosis Risk in Communities Study cohort (age, 75±5 years; carotid-femoral PWV, 11.5±3.0 m/s), free of CVD. Cox regression was used to estimate hazard ratios (HR) and 95% CIs. RESULTS: Over a median 7.4-year follow-up, there were 322 cases of incident CVD and 410 deaths. In fully adjusted models, only top quartiles of carotid-femoral stiffness gradient (quartile 4: HR, 1.43 [95% CI, 1.03-1.97]; and quartile 3: HR, 1.49 [95% CI, 1.08-2.05]) and heart-femoral stiffness gradient (quartile 4: HR, 1.77 [95% CI, 1.27-2.48]; and quartile 3: HR, 1.41 [95% CI, 1.00-2.00]) were significantly associated with a greater risk of incident CVD. Only high aortic stiffness in combination with low lower-limb stiffness was significantly associated with incident CVD (HR, 1.46 [95% CI, 1.06-2.02]) compared with the referent low aortic stiffness and high lower-limb stiffness. No PWVs were significantly associated with incident CVD. No exposures were associated with all-cause mortality. CONCLUSIONS: The aortic-femoral arterial stiffness gradient may enhance CVD risk assessment in older adults in whom the predictive capacity of traditional risk factors and PWV are attenuated.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 ».