Cardiovascular Screening in Physically Active Individuals: Findings from an Ambulatory Cross-Sectional Study
Notice bibliographique
Résumé
Physically active individuals, including both recreational and professional athletes, are often presumed to be inherently healthy. This assumption can result in minimal or absent cardiovascular evaluation, despite evidence that sudden cardiac events may occur in previously asymptomatic populations. International experience shows a range of screening strategies: Italy implements systematic ECG-based pre-participation screening, with observed reductions in sudden cardiac death among athletes, whereas questionnaire-based approaches in countries including the United States, Canada, and the Czech Republic have shown limited detection of latent cardiac conditions. These observations highlight the need for objective early detection methods that complement traditional evaluations. An ambulatory cardiovascular screening program was conducted among 96 physically active participants without prior complaints or referrals. Each participant completed a questionnaire on demographics, training type, and chronic conditions. Cardiac assessment was performed using an AI-driven digital auscultation device that automatically detected and analyzed heart murmurs. Participants with detected murmurs were referred to cardiologists for further evaluation; not all had completed full diagnostic testing at the time of reporting. Cardiac murmurs were detected in 20 of 96 participants (20.8%; 95% CI: 12.7%–28.9%), including both professional and amateur athletes across various training types. The prevalence did not differ significantly between women and men (24.6% vs 15.4%; p=0.28). None of the affected individuals had a prior diagnosis of structural or valvular heart disease, underscoring the limitations of relying solely on history- and questionnaire-based screening. Even asymptomatic, physically active individuals may harbor latent cardiovascular abnormalities, which are often missed by routine screening approaches. Minimal objective evaluation can improve early detection and preventive care in sports medicine.
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 | 0,016 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,008 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».