Unraveling Heart Failure Phenotypes: A Systematic Review and Meta-analysis of Peak Oxygen Uptake and Its Determinants
Notice bibliographique
Résumé
<h2>Abstract</h2><h3>Background</h3> Understanding the impact of heart failure (HF) phenotype on peak oxygen uptake (peak <mml:math><mml:mrow><mml:mi>V</mml:mi><mml:mo>˙</mml:mo></mml:mrow></mml:math>O<sub>2</sub>) is essential for advancing personalized treatment strategies and enhancing patient outcomes. Therefore, we conducted a systematic review and meta-analysis of the evidence examining differences in peak <mml:math><mml:mrow><mml:mi>V</mml:mi><mml:mo>˙</mml:mo></mml:mrow></mml:math>O<sub>2</sub> (primary objective) and its determinants (secondary objectives) between patients with HF with reduced (HFrEF) or preserved ejection fraction (HFpEF). <h3>Methods</h3> Studies comparing peak <mml:math><mml:mrow><mml:mi>V</mml:mi><mml:mo>˙</mml:mo></mml:mrow></mml:math>O<sub>2</sub> in HFrEF vs HFpEF were found through PubMed (1967-2024), Scopus (1981-2024), and Web of Science (1985-2024). Data extraction and methodologic quality assessment were completed by 2 independent coders. Differences between HFrEF and HFpEF were compared using weighted mean difference (WMD) and 95% confidence intervals (95% CIs) derived from random effects meta-analysis. <h3>Results</h3> After screening 3107 articles, 25 unique studies were included in the analysis for the primary outcome (HFrEF n = 3783; HFpEF n = 3279). Peak <mml:math><mml:mrow><mml:mi>V</mml:mi><mml:mo>˙</mml:mo></mml:mrow></mml:math>O<sub>2</sub> (WMD: –1.6 mL/kg/min, 95% CI: –2.3 to –0.8 mL/kg/min), and peak exercise measures of cardiac output (WMD: –1.1 L/min, 95% CI: –2.1 to –0.2 L/min), stroke volume (WMD: –10.1 mL, 95% CI: –16.6 to –3.7 mL), heart rate (WMD: –4 bpm, 95% CI: –6 to –2 bpm), and left ventricular ejection fraction (WMD: –28.2%, 95% CI: –32.6% to –23.8%) were significantly lower while peak exercise arterial-venous oxygen difference was significantly higher in HFrEF compared with HFpEF (2.3 mL/dL, 95% CI: 1.6-2.9 mL/dL). <h3>Conclusions</h3> Our findings highlight distinct physiological impairments along the oxygen cascade in HFrEF compared with HFpEF, with direct implications for the management and treatment strategies of these HF subtypes.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,017 | 0,003 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| 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 ».