MétaCan
Menu
Retour à la cohorte
Enregistrement W4413847210 · doi:10.1093/eurheartj/ehaf550

Atrial fibrillation and atherosclerosis cause different vascular brain lesions on magnetic resonance imaging

2025· article· en· W4413847210 sur OpenAlexafffund
Tina Stegmann, Raed A. Joundi, Abhilekh Srivastava, Tim Sinnecker, Stefanie Aeschbacher, John W. Eikelboom, Rolf Wachter, Eric E. Smith, Nicolas Rodondi, Jackie Bosch, Manuel R. Blum, Stuart J. Connolly, Jürg H. Beer, K. Reeh, Tobias Reichlin, Eva Lonn, Qilong Yi, Andreas S. Müller, Kelley R. Branch, Marcello Di Valentino, Álvaro Avezum, Keith A.A. Fox, Peter Ammann, Leo H. Bonati, Giorgio Moschovitis, Philipp Krisai, Michael Kühne, Stefan Osswald, Mukul Sharma, David Conen

Notice bibliographique

RevueEuropean Heart Journal · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueAtrial Fibrillation Management and Outcomes
Établissements canadiensHotchkiss Brain InstituteUniversity of CalgaryMcMaster UniversityPopulation Health Research Institute
Organismes subventionnairesSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen ForschungFoundation for Cardiovascular ResearchBayerSchweizerische HerzstiftungUniversität BaselPopulation Health Research Institute
Mots-clésMedicineMagnetic resonance imagingAtrial fibrillationCardiologyInternal medicineRadiology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND AND AIMS: Atrial fibrillation (AF) and atherosclerosis pre-dispose to the occurrence of vascular brain lesions compared with the general population, yet direct comparisons of brain lesion patterns between these two cardiovascular patient groups are lacking. This study sought to compare the prevalence and distribution of vascular brain lesions on cerebral magnetic resonance imaging (MRI) between patients with AF and those with atherosclerosis. METHODS: Baseline clinical data and standardized brain MRI scans from the Swiss Atrial Fibrillation cohort study (Swiss-AF; representing patients with AF) and the COMPASS MRI sub-study (COMPASS MIND; representing patients with atherosclerosis without AF) were used to compare the prevalence of lacunar and non-lacunar infarcts, periventricular and deep white matter hyperintensities (WMH), and cerebral micro-bleeds (CMB) between groups. RESULTS: Overall, 3508 patients were included (AF: n = 1748; atherosclerosis: n = 1760). Mean age was 73 (±8) years in the AF cohort and 71 (±6) years in the atherosclerosis cohort, 28% and 23% were female, 90% of the AF patients took oral anti-coagulation, 93% of the atherosclerosis patients took anti-platelet therapy. AF patients were more likely to have non-lacunar infarcts (22% vs 10%; P < .001), and atherosclerosis patients were more likely to have lacunar infarcts (21% vs 26%; P = .001). A higher grade of periventricular WMH was seen in AF patients (49% vs 37%; P < .001). The presence of CMB were more common in atherosclerosis patients (22% vs 29%; P < .001). In multi-variable analyses, AF patients had a higher odds ratio (OR) of non-lacunar infarcts (OR 2.28, 95% confidence interval [CI] 1.86-2.81; P < .001), lower odds of lacunar infarcts (OR 0.66, 95% CI 0.56-0.79; P < .001), and higher odds of severe periventricular WMH (OR 1.42, 95% CI 1.22-1.67; P < .001) compared with atherosclerosis patients. CONCLUSIONS: Patients with AF had a higher rate of non-lacunar infarcts, multi-infarct patterns and more severe periventricular white matter disease compared with patients with atherosclerosis. These findings support disease-specific mechanisms in the development of vascular brain lesions in patients with cardiovascular disease.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,063
Tête enseignante GPT0,327
Écart entre enseignants0,264 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations5
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEuropean Heart JournalMême sujetAtrial Fibrillation Management and OutcomesTravaux en français237 207