MétaCan
Menu
Retour à la cohorte
Enregistrement W4406595797 · doi:10.1093/eurheartj/ehae827

Skeletal muscle adiposity, coronary microvascular dysfunction, and adverse cardiovascular outcomes

2025· article· en· W4406595797 sur OpenAlexaff
Ana Carolina do A. H. de Souza, Amelie S. Troschel, J. Peter Marquardt, Ibrahim Hadžić, Borek Foldyna, Filipe A. Moura, Jon Hainer, Sanjay Divakaran, Ron Blankstein, Sharmila Dorbala, Marcelo F. Di Carli, Hugo J.W.L. Aerts, Michael T. Lu, Florian J. Fintelmann, Viviany R. Taqueti

Notice bibliographique

RevueEuropean Heart Journal · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiovascular Disease and Adiposity
Établissements canadiensArtificial Intelligence in Medicine (Canada)
Organismes subventionnairesNational Institutes of HealthNational Heart, Lung, and Blood InstituteGilead Research ScholarsGilead Sciences
Mots-clésMedicineCardiologyInternal medicineMyocardial infarctionCoronary artery diseaseHazard ratioEjection fractionMaceHeart failureCoronary flow reserveConfidence intervalPercutaneous coronary intervention

Résumé

récupéré en direct d'OpenAlex

BACKGROUND AND AIMS: Skeletal muscle (SM) fat infiltration, or intermuscular adipose tissue (IMAT), reflects muscle quality and is associated with inflammation, a key determinant in cardiometabolic disease. Coronary flow reserve (CFR), a marker of coronary microvascular dysfunction (CMD), is independently associated with body mass index (BMI), inflammation and risk of heart failure, myocardial infarction, and death. The relationship between SM quality, CMD, and cardiovascular outcomes is not known. METHODS: Consecutive patients (n = 669) undergoing evaluation for coronary artery disease with cardiac stress positron emission tomography demonstrating normal perfusion and preserved left ventricular ejection fraction were followed over a median of 6 years for major adverse cardiovascular events (MACEs), including death and hospitalization for myocardial infarction or heart failure. Coronary flow reserve was calculated as stress/rest myocardial blood flow. Subcutaneous adipose tissue (SAT), SM, and IMAT areas (cm2) were obtained from simultaneous positron emission tomography attenuation correction computed tomography using semi-automated segmentation at the 12th thoracic vertebra level. RESULTS: Median age was 63 years, 70% were female, and 46% were nonwhite. Nearly half of patients were obese (46%, BMI 30-61 kg/m2), and BMI correlated highly with SAT and IMAT (r = .84 and r = .71, respectively, P < .001) and moderately with SM (r = .52, P < .001). Decreased SM and increased IMAT, but not BMI or SAT, remained independently associated with decreased CFR (adjusted P = .03 and P = .04, respectively). In adjusted analyses, both lower CFR and higher IMAT were associated with increased MACE [hazard ratio 1.78 (95% confidence interval 1.23-2.58) per -1 U CFR and 1.53 (1.30-1.80) per +10 cm2 IMAT, adjusted P = .002 and P < .0001, respectively], while higher SM and SAT were protective [hazard ratio .89 (.81-.97) per +10 cm2 SM and .94 (.91-.98) per +10 cm2 SAT, adjusted P = .01 and .003, respectively]. Every 1% increase in fatty muscle fraction [IMAT/(SM + IMAT)] conferred an independent 2% increased odds of CMD [CFR <2, odds ratio 1.02 (1.01-1.04), adjusted P = .04] and a 7% increased risk of MACE [hazard ratio 1.07 (1.04-1.09), adjusted P < .001]. There was a significant interaction between CFR and IMAT, not BMI, such that patients with both CMD and fatty muscle demonstrated highest MACE risk (adjusted P = .02). CONCLUSIONS: Increased intermuscular fat is associated with CMD and adverse cardiovascular outcomes independently of BMI and conventional risk factors. The presence of CMD and SM fat infiltration identified a novel at-risk cardiometabolic phenotype.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,169
Score d'incertitude au seuil0,859

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,249
Écart entre enseignants0,236 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations46
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Heart JournalMême sujetCardiovascular Disease and AdiposityTravaux en français237 207