Elucidating the Relationship Between Pacemaker Heart Rates and Pulse Pressure: A Clue to Optimal Programming in Elderly Patients with Cardiovascular Risk
Notice bibliographique
Résumé
Background: Low diastolic blood pressure (DBP) and high pulse pressure (PP), markers of vascular stiffness, are linked to higher stroke risk and cognitive impairment. Increasing resting heart rate (HR) in pacemaker patients could lower PP and enhance cerebral perfusion. This study examines how raising resting HR affects PP in patients with higher vascular risk. Methods: A cross-sectional interventional study involved 21 patients (mean age, 77 years; 9 male, 12 female) over age 65 years with dual-chamber permanent pacemakers and normal ventricular function. Hemodynamic parameters were measured at 5-minute intervals at baseline and every 10 beats per minute (bpm) up to 100 bpm using the Finapres NOVA plethysmograph. The effects of higher pacing rates on PP, systolic BP, DBP, and cardiac output were analyzed. Results: = 0.25) among different HRs. All patients remained asymptomatic, and no adverse events were observed during the study. The findings indicated variability in response, with most patients showing decreased PP at higher HRs. Conclusions: An increased HR to 70 bpm reduced PP in most patients with dual-chamber permanent pacemakers and sinus rhythm, suggesting a way to improve hemodynamics in patients with poor vascular compliance. Customized HR settings may optimize PP and reduce the risk of cognitive decline or stroke. Further research is needed to evaluate for risks of pacemaker-induced cardiomyopathy in individuals requiring frequent ventricular pacing.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».