Cardiovascular health effects of vaping e-cigarettes: a systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: There is substantial interest in the cardiovascular effects of e-cigarette use, highlighting the need to update our knowledge on the subject. We conducted this review to analyse whether e-cigarette use increases cardiovascular health risks and how these risks vary among different populations. METHODS: We searched six databases and included peer-reviewed human, animal, cell/in vitro original studies but excluded qualitative studies, which were published between July 2021 and December 2023. Three types of e-cigarette exposure were examined: acute, short-to-medium term and long term. Different risk of bias tools were used for assessing the quality of the included human studies and we conducted meta-analysis when possible. RESULTS: We included 63 studies in the main analysis, 12 studies in the meta-analysis and 32 studies in the sociodemographic factor-based subgroup analysis. Over half of the human studies had low risk of bias. Acute exposure to e-cigarette was associated with increased heart rate (HR) (mean difference (MD) 11.329, p<0.01) and blood pressure (BP) (MD 12.856, p<0.01 for systolic; MD 7.676, p<0.01 for diastolic) compared with non-use. While HR was lower after acute exposure to e-cigarettes compared with cigarettes (MD -5.415, p<0.01), no significant difference in systolic or diastolic BP was observed. Non-smoker current vapers had no significant differences in resting HR and BP compared with non-users but lower resting HR (MD -2.608, p<0.01) and diastolic BP (MD -3.226, p<0.01) compared with non-vaper current smokers. Despite some association between e-cigarette and endothelial dysfunction, short-to-medium-term transition from cigarettes to e-cigarettes may improve blood flow and BP, particularly among females and younger individuals. There is lack of evidence supporting any association of e-cigarette use with cardiovascular diseases and cardiac dysfunction or remodelling. CONCLUSIONS: This review highlighted several important cardiovascular impacts of e-cigarette use compared with non-use and cigarette smoking. However, the evidence is still limited and requires future research. PROSPERO REGISTRATION NUMBER: CRD42023385632.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,016 | 0,006 |
| 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 ».