Limited Utility of Screening Electrocardiograms in Systemic Sclerosis: Data from the Canadian Scleroderma Research Group
Notice bibliographique
Résumé
OBJECTIVE: Recommendations have been made to use electrocardiograms (EKGs) to screen for cardiac disease in systemic sclerosis (SSc). The objective of this study was to compare the prevalence of EKG abnormalities in SSc and controls to help determine if the EKG should be used as a screening tool. METHODS: EKGs from patients with SSc were compared with those from a random sample of age- and gender-matched controls. Two cardiologists read all EKGs using a standardized approach. The groups were compared using t-tests, chi-squared tests, and Fisher exact tests. RESULTS: Patients with SSc (n = 833, mean ± SD disease duration 11.3 ± 9.3 years; 39.4% had diffuse cutaneous SSc) and controls (n = 832) were included. The prevalence of conduction and rhythm abnormalities were similar in the SSc and control groups. More patients with SSc than controls had possible right atrial enlargement (5% vs 0.1%, P < 0.001), right axis deviation (3.2% vs 0.4%, P < 0.001), left atrial enlargement (9.2% vs 1.6%, P < 0.001), poor/abnormal R progression (5.6% vs 2.2%, P < 0.001) and nonspecific T wave abnormalities (6.1% vs 3.4%, P = 0.008). CONCLUSION: Our findings suggest that conduction abnormalities are not more prevalent in those with SSc than in controls. Evidence of right heart stress on EKG in SSc may be secondary to pulmonary hypertension and left atrial enlargement, and poor R wave progression in precordial leads may indicate myocardial damage. Future studies are required to determine if these EKG abnormalities represent underlying structural heart disease, and, until that is proven, EKGs should not be considered a screening tool for cardiac abnormalities in SSc.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| 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 ».