Cardiovascular Risk Assessment via Sleep Patterns and ECG-Based Biological Age Estimation
Notice bibliographique
Résumé
Background: Understanding the intricate relationship between sleep quality and cardiovascular outcomes opens new avenues for risk stratification in cardiovascular diseases (CVDs). This study aims to evaluate the prognostic potential of biological age estimates derived from sleep-stage analysis and nocturnal heart rhythm patterns. Methods: Using polysomnographic data from 1149 patients, we extract ECG signals and use an unsupervised clustering approach to generate time-series clusters that capture dynamic fluctuations in heart rhythms. A subsequent deep learning model then estimated individual biological ages from these clusters, revealing associations between the predicted age, sleep patterns, and cardiac function. Results: In an independent test set of 736 patients, the predicted biological age was significantly associated with increased mortality (Hazard Ratio [HR] 2.27, p < 0.05) and elevated CVD risk (HR 3.56, p < 0.001), while models based solely on nocturnal heart rhythms yielded HRs of 2.29 (p < 0.05) for all-cause mortality and 3.13 (p < 0.01) for CVD risk. Conclusions: These findings demonstrate that integrating sleep stage and ECG offers a robust biomarker for cardiovascular risk stratification, paving the way for earlier interventions and more personalized healthcare strategies.
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 | 0,004 | 0,004 |
| 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 | 0,001 |
| 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 ».