MétaCan
Menu
Retour à la cohorte
Enregistrement W7127614616 · doi:10.1093/eurheartj/ehaf784.2043

Impact of altitude environment on coronary artery calcification: comparative analysis in ecuadorian populations using coronary calcium score

2025· article· en· W7127614616 sur OpenAlexaff
D X Chango, L P Rodriguez, C Guaman, Sebastián Garcia-Zamora, C Murillo, R Orellana, A Bedor, F Cueva, M Bajana, A M Larriva, Karina Borja, A Montesdeoca, M Molina, R Mendoza, Adrián Baranchuk

Notice bibliographique

RevueEuropean Heart Journal · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHealth, Environment, Cognitive Aging
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésAgatston scoreCoronary atherosclerosisDiabetes mellitusAltitude (triangle)ArteryCoronary artery diseaseEffects of high altitude on humans

Résumé

récupéré en direct d'OpenAlex

Abstract Background Coronary artery calcification is a marker of atherosclerosis and a predictor of cardiovascular events. In recent years, the influence of non-traditional cardiovascular risk factors, called exposome, has gained relevance in the pathogenesis of cardiovascular disease. Moreover, chronic exposure to hypoxia at high altitudes generates cardiovascular adaptations, including systemic hypertension, pulmonary hypertension, and cardiac remodeling. However, its impact on coronary atherosclerosis has not been clearly established. This study aimed to compare coronary atherosclerotic plaque burden measured by coronary calcium scoring (CCS) by computed tomography (CT), between populations that permanently reside at sea level and at high altitudes in Ecuador. Methods Patients from three cities were included in the analysis: Guayaquil (sea level), Cuenca (2550m), and Quito (2850m above sea level). CCS was performed in three institutions of these cities and was acquired with the recommended protocols, quantifyin in Agatston units (AU). Results A total of 327 patients were included; the mean age was 62.9 years, and 40.3% were women. The main cardiovascular risk factors were arterial hypertension (58%), overweight/obesity, type 2 diabetes (17.4%), and dyslipidemia. 36.3% of the participants were under treatment with statins. Table 1 summarizes the baseline characteristics of the population, according to their city of origin. Populations at sea level had significantly lower values of total cholesterol, HDL-c, and LDL-c compared to higher altitude regions (Table 1). However, residents living at sea level had significantly more calcification in all coronary areas except the left main coronary artery territory (Table 2). The greatest variation was observed at the circumflex artery level among residents of Guayaquil, Cuenca, and Quito (SCC 69.1 ±223 versus 20.5 ±103.7 and 15.6 ±62; p=0.008 respectively) (Table 2). A zero coronary artery calcium score was found more frequently in patients living in high-altitude environments compared to sea level. Nevertheless, there were no significant differences between groups (SLR: 47.5% vs 2550mts: 58.9% vs 2850mts: 50%, p:0.3) Conclusions Our data suggest that living at high altitudes was not associated with a higher coronary atherosclerotic plaque burden, as measured by CCS. The higher coronary calcification in individuals at sea level, despite similar clinical characteristics, and even lower lipid levels, suggests the influence of other environmental and/or genetic factors. Therefore, further studies are needed to clarify the influence of altitude on the development of coronary atherosclerosis.Characteristics of total population SCC in different coronary arteries

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,159
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,140
Tête enseignante GPT0,385
Écart entre enseignants0,246 · 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 tête enseignante, pas un consensus.

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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Heart JournalMême sujetHealth, Environment, Cognitive AgingTravaux en français237 207