Epicardial adipose tissue, cardiac damage, and mortality in patients undergoing TAVR for aortic stenosis
Notice bibliographique
Résumé
Abstract Computed tomography (CT)-derived Epicardial Adipose Tissue (EAT) is linked to cardiovascular disease outcomes. However, its role in patients undergoing Transcatheter Aortic Valve Replacement (TAVR) and the interplay with aortic stenosis (AS) cardiac damage (CD) remains unexplored. We aim to investigate the relationship between EAT characteristics, AS CD, and all-cause mortality. We retrospectively included consecutive patients who underwent CT-TAVR followed by TAVR. EAT volume and density were estimated using a deep-learning platform and CD was assessed using echocardiography. Patients were classified according to low/high EAT volume and density. All-cause mortality at 4 years was compared using Kaplan-Meier and Cox regression analyses. A total of 666 patients (median age 81 [74–86] years; 54% female) were included. After a median follow-up of 1.28 (IQR 0.53–2.57) years, 11.7% ( n = 77) of patients died. The EAT volume ( p = 0.017) decreased, and density increased ( p < 0.001) with worsening AS CD. Patients with low EAT volume (< 49cm 3 ) and high density (≥-86 HU) had higher all-cause mortality (log-rank p = 0.02 and p = 0.01, respectively), even when adjusted for age, sex, and clinical characteristics (HR 1.71, p = 0.02 and HR 1.73, p = 0.03, respectively). When CD was added to the model, low EAT volume (HR 1.67 p = 0.03) and CD stages 3 and 4 (HR 3.14, p = 0.03) remained associated with all-cause mortality. In patients with AS undergoing TAVR, CT-derived low EAT volume, and high density were independently associated with increased 4-year mortality and worse CD stage. Only EAT volume remained associated when adjusted for CD. Graphical Abstract
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 ».