Physiological measures variability and risks of heart disease and stroke: evidence from three cohort studies
Notice bibliographique
Résumé
BACKGROUND: The overall effect of long-term variability in physiological measures on cardiovascular health of older adults and the underlying mechanic pathway remain uncertain. METHODS: We constructed a composite score (0 ~ 3) of variability in physiological measures, including blood pressure, pulse rate, and body mass index, in older adults from the China Health and Retirement Longitudinal Study (CHARLS) 2011 ~ 2015, the Health and Retirement Study (HRS) 2006/2008 ~ 2014/2016, and the UK Biobank 2006 ~ 2019. The associations of the composite score with incident risks of heart disease and stroke were assessed. The mediation roles of several biomarkers were explored. RESULTS: A higher composite score was related to increased incident risk of heart disease in older adults from the US and the UK and increased incident risk of stroke in all three cohorts. Upon pooling the results, each 1-point increment in the composite score was associated with a 19% (hazard ratio: 1.19; 95% confidence interval: 1.14, 1.30) and a 23% (1.23; 1.12, 1.35) increments in incident risks of heart disease and stroke, respectively. The composite score also exhibited an inverse relationship with grip strength while displaying positive associations with C-reactive protein, glycosylated hemoglobin Alc (HbAlc), and cystatin C. Reduced grip strength, elevated HbAlc, and elevated cystatin C significantly mediated the composite score-associated elevated risks of heart disease and stroke. CONCLUSIONS: Long-term variability in physiological measures was associated with increased incident risks of heart disease and stroke, and the associations were partially mediated through deteriorated biomarkers of muscle strength, hyperglycemia, and kidney function.
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 | 0,001 | 0,003 |
| 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 | 0,001 |
| 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 ».