Association between influenza infection and cardiovascular diseases: A systematic review and meta-analysis
Notice bibliographique
Résumé
Objectives Influenza infection may increase the risk of cardiovascular diseases (CVDs), but the extent of this link is uncertain. This systematic review and meta-analysis aimed to quantify the association between influenza infection and CVDs. Methods We conducted a comprehensive search of major databases from inception to 2024, identifying studies that investigated the association between influenza infection and CVDs. Eligible studies included cohort, case–control, and randomized controlled trials reporting on cardiovascular outcomes (acute CVDs) following influenza infection or risk of influenza infection in CVD patients (chronic CVDs). Data were extracted and pooled using random-effects models, and heterogeneity was assessed using the I 2 statistic. Results A total of 11 studies (15 datasets) involving 7327 participants were included in the meta-analysis. Overall, influenza infection was significantly associated with CVDs based on 10 datasets (odds ratio (OR) = 1.76, 95% confidence interval (CI): 1.02–3.03). However, the analysis of the five datasets indicated no significant association between pre-existing CVDs and an increased risk of influenza infection (OR = 0.91, 95% CI: 0.80–1.03). Subgroup analyses and meta-regression highlighted that study quality and design could significantly influence the risk of developing CVDs among patients with influenza. Conclusions This meta-analysis provides quantitative evidence that influenza infection could be a potential risk factor for subsequent cardiovascular events. These findings emphasize the need for preventive measures, including vaccination, especially in high-risk populations. Further research is needed to explore the underlying mechanisms and impact of influenza on cardiovascular outcomes.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,009 |
| Bibliométrie | 0,001 | 0,002 |
| 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 ».