Systematic Review and Meta-Analysis of Cardiac MRI T1 and ECV Measurements in Pre-Heart Failure Populations
Notice bibliographique
Résumé
Background/Objectives: Heart failure (HF) often develops from a prolonged asymptomatic phase where early detection could prevent progression. Pre-heart failure (pre-HF) populations—those with risk factors (Stage A) or subclinical myocardial changes (Stage B)—are critical for intervention. Cardiac magnetic resonance (CMR) with T1 and extracellular volume (ECV) mapping offers a non-invasive approach to detect early myocardial changes in these groups. This systematic review evaluates the role of T1 and ECV mapping in pre-HF populations, focusing on their diagnostic and prognostic utility. Methods: A systematic search of PubMed, EMBASE, and Cochrane was conducted up to April 2025, identifying 17 studies that met inclusion criteria. Data was extracted directly into Excel, and methodological quality was assessed using the Newcastle–Ottawa Scale (NOS) for cohort and cross-sectional studies and AMSTAR-2 for systematic reviews and meta-analyses. A meta-analysis was performed using Review Manager (RevMan) to compare T1 and ECV values between pre-HF and control groups. Results: Studies consistently reported elevated T1 (989.6–1415.41 milliseconds) and ECV (25.7–42.81%) in pre-HF groups compared to controls (T1: 967–1310.63 ms, ECV: 23.5–29.9%). Meta-analysis showed a significant increase in T1 (MD: 27.62 ms, 95% CI: 8.04–47.19, p < 0.006) and ECV (MD: 2.97%, 95% CI: 1.88–4.06, p < 0.00001) in pre-HF groups. RQS scores ranged from 17.2% to 77.8% (mean: 37.9%), and NOS scores ranged from 5 to 8 (mean: 6.2), reflecting variability in study quality. The AMSTAR-2 rating for the systematic review was moderate. Conclusions: T1 and ECV mapping enhance CMR-based detection of early myocardial changes in pre-HF, offering a promising non-invasive approach to predict HF risk. However, variability in study quality, small sample sizes, and methodological inconsistencies limit generalisability. Future research should focus on standardised protocols, prospective designs, and multi-center studies to integrate these techniques into clinical practice, potentially guiding preventive therapies such as SGLT2is and tafamidis.
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) | 0,002 | 0,000 |
| 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 ».