MétaCan
Menu
Retour à la cohorte
Enregistrement W4408781982 · doi:10.3390/life15040520

Variability in Arterial Stiffness and Vascular Endothelial Function After COVID-19 During 1.5 Years of Follow-Up—Systematic Review and Meta-Analysis

2025· review· en· W4408781982 sur OpenAlexaboutno aff
Danuta Łoboda, Krzysztof S. Gołba, Piotr Jerzy Gurowiec, Aelita Bredelytė, Artūras Razbadauskas, Beata Sarecka‐Hujar

Notice bibliographique

RevueLife · 2025
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueClimate Change and Health Impacts
Établissements canadiensnon disponible
Organismes subventionnairesŚląski Uniwersytet Medyczny w Katowicach
Mots-clésMedicinePulse wave velocityInternal medicineArterial stiffnessMeta-analysisCoronavirus disease 2019 (COVID-19)Observational studyRandomized controlled trialProspective cohort studyCardiologyBrachial arteryDiseaseBlood pressureInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

Increasing long-term observations suggest that coronavirus disease 2019 (COVID-19) vasculopathy may persist even 1.5 years after the acute phase, potentially accelerating the development of atherosclerotic cardiovascular diseases. This study systematically reviewed the variability of brachial flow-mediated dilation (FMD) and carotid-femoral pulse wave velocity (cfPWV) from the acute phase of COVID-19 through 16 months of follow-up (F/U). Databases including PubMed, Web of Science, MEDLINE, and Embase were screened for a meta-analysis without language or date restrictions (PROSPERO reference CRD42025642888, last search conducted on 1 February 2025). The quality of the included studies was assessed using the Newcastle–Ottawa Quality Scale. We considered all studies (interventional pre-post studies, prospective observational studies, prospective randomized, and non-randomized trials) that assessed FMD or cfPWV in adults (aged ≥ 18 years) with or after laboratory-confirmed COVID-19 compared with non-COVID-19 controls or that assessed changes in these parameters during the F/U. Twenty-one studies reported differences in FMD, and 18 studies examined cfPWV between COVID-19 patients and control groups during various stages: acute/subacute COVID-19 (≤30 days from disease onset), early (>30–90 days), mid-term (>90–180 days), late (>180–270 days), and very late (>270 days) post-COVID-19 recovery. Six studies assessed variability in FMD, while nine did so for cfPWV during the F/U. Data from 14 FMD studies (627 cases and 694 controls) and 15 cfPWV studies (578 cases and 703 controls) were included in our meta-analysis. FMD showed a significant decrease compared to controls during the acute/subacute phase (standardized mean difference [SMD]= −2.02, p < 0.001), with partial improvements noted from the acute/subacute phase to early recovery (SMD = 0.95, p < 0.001) and from early to mid-term recovery (SMD = 0.92, p = 0.006). Normalization compared to controls was observed in late recovery (SMD = 0.12, p = 0.69). In contrast, cfPWV values, which were higher than controls in the acute/subacute phase (SMD = 1.27, p < 0.001), remained elevated throughout the F/U, with no significant changes except for a decrease from mid-term to very late recovery (SMD= −0.39, p < 0.001). In the very late recovery, cfPWV values remained higher than those of controls (SMD = 0.45, p = 0.010). In the manuscript, we discuss how various factors, including the severity of acute COVID-19, the persistence of long-term COVID-19 syndrome, and the patient’s initial vascular age, depending on metrics age and cardiovascular risk factors, influenced the time and degree of FMD and cfPWV improvement.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,028
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,055

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,028
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0160,034
Bibliométrie0,0050,006
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,085
Tête enseignante GPT0,347
Écart entre enseignants0,262 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

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

En bref

Citations4
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLifeMême sujetClimate Change and Health ImpactsTravaux en français237 207