Articolo metodologico

Correlazione tra indicatori elettrofisiologici cardiaci e parametri lipidici nella cardiopatia coronarica con aritmie e insufficienza cardiaca

DOI:

10.3791/70072

⸱

17 aprile 2026

 , 
1Department of Cardiology, The First Affiliated Hospital of Xiamen University, School of Medicine, Xiamen University, 2Department of Health Management, Women and Children's Hospital, School of Medicine, Xiamen University

In questo articolo

Sommario

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Questo protocollo mira a valutare la correlazione tra marcatori elettrofisiologici cardiaci e parametri lipidici ematici nei pazienti con malattia coronarica complicata da aritmie, con particolare attenzione al loro valore predittivo del rischio di insufficienza cardiaca. Lo studio integra molteplici indicatori per migliorare la diagnosi precoce e la valutazione del rischio clinico.

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Questo studio ha valutato la relazione tra i sintomi elettrofisiologici cardiaci e i parametri lipidici del sangue nei pazienti con malattia coronarica complicata da aritmie e ha valutato il loro impatto combinato sullo sviluppo dell'insufficienza cardiaca. È stata sottoposta uno screening di 240 pazienti ricoverati presso il Centro Cardiaco del Primo Ospedale Affiliato dell'Università di Xiamen tra aprile 2023 e aprile 2025; 80 soddisfacevano i criteri di inclusione e furono inclusi nell'analisi. I partecipanti sono stati classificati in base all'occorrenza di insufficienza cardiaca. Le caratteristiche cliniche, inclusi i profili lipidici (trigliceridi, colesterolo lipoproteico a bassa densità, colesterolo lipoproteico ad alta densità e colesterolo totale), sono state analizzate insieme ai parametri ecocardiografici, tra cui la frazione di eiezione del ventricolo sinistro (LVEF) e lo spessore della carotide del mezzo intimo (CIMT). Le analisi statistiche includevano test di correlazione, regressione logistica multivariabile e analisi della curva delle caratteristiche operative del ricevitore (ROC).

Funzionalità cardiaca compromessibile, aumento della CIMT e concentrazioni lipidiche anomale erano significativamente associate al rischio di insufficienza cardiaca. L'intervallo QTc ha mostrato correlazioni positive con LDL-C (r = 0,342, P < 0,01) e i trigliceridi (r = 0,366, P < 0,01), mentre HDL-C ha mostrato correlazioni inverse con i parametri elettrocardiografici. Nell'analisi di regressione logistica multivariabile, intervallo QTc prolungato (OR = 1,08, IC 95%: 1,02–1,15), durata QRS ampliata (OR = 1,05, IC 95%: 1,01–1,11), LDL-C elevato (OR = 1,74, IC 95%: 1,12–2,63), aumento dei trigliceridi (OR = 1,62, IC 95%: 1,05–2,48), riduzione dell'HDL-C (OR = 0,68, IC 95%: 0,50–0,91) e diminuzione della LVEF (OR = 0,89, IC 95%: 0,83–0,94) sono stati predittori indipendenti di insufficienza cardiaca. L'analisi ROC ha confermato il valore predittivo di molteplici fattori di rischio, con AUC che variano da 0,68 a 0,75. HDL-C ha mostrato la massima accuratezza predittiva individualmente (AUC = 0,75), mentre intervallo QTc e LVEF hanno mostrato una forte discriminazione (AUC = 0,73).

Introduzione

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

A livello mondiale, la mortalità per malattie non trasmissibili è prevalentemente causata dalle malattie cardiovascolari (CVD), associate a circa 18 milioni di decessiall'anno 1. Anche se ipertensione, diabete mellito, fumo e obesità sono considerati i fattori di rischio classici nello sviluppo della malattia, una grande percentuale degli incidenti cardiovascolari avviene in assenza dei fattori di rischio menzionati nellaseconda persona. L'osservazione sottolinea la necessità di identificare ulteriori determinanti biologici e funzionali e di affrontare la progressione continua della malattia e i suoi scarsi esiti clinici. Tra queste, l'aritmia cardiaca (CAD) coronarica complicata è una manifestazione clinica altamente rischiosa spesso accompagnata da arresto cardiaco improvviso e mortecardiaca improvvisa 3.

L'elettrocardiografia (ECG) è un test diagnostico non invasivo che fornisce informazioni vitali sull'attività elettrica e sulle anomalie di conduzione del cuore. Le aritmie ventricolari, la riduzione della conduzione miocardica e l'elevata mortalità cardiovascolare sono state costantemente collegate al prolungamento dei parametri elettrofisiologici, inclusi l'intervallo QT corretto (QTc), la durata del QRS e l'intervallo PR, che sono misurazioni dirette della forma d'onda di repolarizzazioneventricolare 4. Aritmie come la fibrillazione atriale, la contrazione prematura dei ventricoli e le tachiaritmie ventricolari disturbano la contrazione coordinata del miocardio e sono collegate a un aumento della morbilità, dei tassi di insufficienza cardiaca e dellamortalità 5.

La dislipidemia è una comorbidità della CAD, e entrambe causano placca aterosclerotica e portano a ischemia miocardica, infiammazione e scarsa rimodellazionecardiaca 6. Sia le evidenze sperimentali che cliniche mostrano che le anomalie lipidiche possono influenzare direttamente l'elettrofisiologia cardiaca modificando i canali ionici, la fluidità delle membrane e l'integrità delle giunzioni a fessura, portando a una maggiore vulnerabilità agli eventi aritmogeni7. È stato dimostrato che livelli di lipidi non caratteristici influenzano le misure basate sull'ECG sull'intervallo QT, la variabilità della frequenza cardiaca e la durata del QRS, tutte predittive comprovate del rischio di aritmie e di eventi cardiovascolarinegativi 8. Contemporaneamente, marcatori cardiaci strutturali e funzionali, come la frazione di eiezione del ventricolo sinistro (LVEF) e lo spessore della carotide intima-media (CIMT), sono predittori ben consolidati dell'insufficienza cardiaca e fattori di rischio per la condizionecardiovascolare globale 9. Nonostante questi sviluppi, rimane una lacuna nella ricerca.

La maggior parte degli studi sull'argomento considera separatamente parametri elettrofisiologici, lipidici o ecocardiografici, il che li rende incapaci di modellare adeguatamente le intricate interazioni tra fattori metabolici, elettrici e strutturali nell'evoluzionedella malattia 9,10,11. Inoltre, la capacità predittiva congiunta delle misure ECG e biomarcatori lipidici disponibili di routine per identificare i pazienti CAD con aritmie a maggior rischio di insufficienza cardiaca non è stata adeguatamente standardizzata all'interno di un quadro metodologico riproducibile. Poiché questa lacuna esiste, l'attuale protocollo delinea un approccio unificato che unisce gli indicatori elettrofisiologici cardiaci (intervallo QTc, durata QRS, intervallo PR e variabilità ecocardiografica della frequenza cardiaca), con misurazioni di lipidi sierici (trigliceridi, LDL-C, HDL-C e colesterolo totale) e misure ecocardiografiche (LVEF e CIMT)12,13,14,15. Questo approccio rivedrà la stratificazione del rischio nei pazienti con CAD complicata da aritmie, utilizzando valutazioni cliniche non invasive, economicamente efficaci e facilmente reperibili. Questa strategia è particolarmente applicabile in contesti clinici e di ricerca, dove la diagnosi precoce di individui a rischio elevato di insufficienza cardiaca può orientare le misure preventive e terapeutiche.

Sebbene studi precedenti abbiano esaminato singolarmente parametri elettrocardiografici, metabolismo lipidico o marcatori cardiaci strutturali in pazienti con malattia coronarica, poche indagini hanno integrato questi domini in un quadro predittivo unificato. La maggior parte delle evidenze disponibili valuta indipendentemente le anomalie ECG o i biomarcatori lipidici, limitando la comprensione della complessa interazione tra disregolazione metabolica, rimodellamento elettrico e insufficienza cardiaca strutturale. Inoltre, il valore predittivo combinato dei biomarcatori elettrocardiografici e lipidici disponibili di routine per identificare i pazienti ad alto rischio di sviluppare insufficienza cardiaca non è stato valutato sistematicamente negli studi clinici prospettici. Affrontare questa lacuna potrebbe facilitare lo sviluppo di un modello pratico e conveniente di stratificazione del rischio per identificare i pazienti a rischio elevato di insufficienza cardiaca.

Sulla base delle considerazioni sopra indicate, abbiamo ipotizzato che anomalie nei parametri elettrofisiologici cardiaci, in particolare intervallo QTc prolungato, durata QRS e intervallo PR, siano significativamente associate a profili lipidici avversi nei pazienti con cardiopatia coronarica complicata da aritmia. Inoltre, abbiamo ipotizzato che la combinazione di indicatori elettrofisiologici, parametri lipidici e marcatori cardiaci strutturali (LVEF e CIMT) avrebbe fornito una precisione predittiva superiore per lo sviluppo dell'insufficienza cardiaca rispetto alla valutazione individuale di questi parametri.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Protocollo

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Tutte le procedure sono state condotte in conformità con le linee guida istituzionali approvate dal Comitato Etico del Primo Ospedale Affiliato dell'Università di Xiamen (provincia del Fujian, Cina). Il consenso informato scritto è stato ottenuto da tutti i partecipanti prima dell'iscrizione. È stata garantita la riservatezza dei partecipanti e ai partecipanti è stato permesso ritirarsi dallo studio in qualsiasi fase senza conseguenze.

Progettazione dello studio e iscrizione dei pazienti
Definizione della coorte di studio
Uno studio osservazionale prospettico è stato condotto presso il Centro Cardiaco del Primo Ospedale Affiliato dell'Università di Xiamen tra aprile 2023 e aprile 2025. I pazienti ricoverati consecutivi durante il periodo dello studio sono stati esaminati per verificarne l'idoneità. Le diagnosi sono state confermate utilizzando linee guida cliniche internazionali consolidate e protocolli diagnostici ospedalieri.

Criteri di inclusione ed esclusione
Sono stati inclusi pazienti adulti (≥18 anni) con aritmia documentata e frequente attività ectopica, definiti come >10.000 contrazioni ventricolari precoci (PVC) all'interno di una registrazione ECG Holter di 24 ore (Figura 1). Sono stati esclusi pazienti con cardiopatia strutturale (ad esempio, cardiomiopatia o malattia valvulare significativa), frazione di eiezione del ventricolo sinistro (LVEF) < 35%, insufficienza renale o epatica grave, neoplasie o altre comorbidità limitanti la vita, dati clinici o di laboratorio incompleti o ritiro del consenso informato.

Pazienti classificati
Dati demografici di base, storia clinica, uso di farmaci e risultati dell'esame fisico sono stati registrati all'iscrizione. I pazienti che sviluppavano IC sono stati assegnati al gruppo HF, mentre quelli senza IC sono stati assegnati al gruppo non HF.

Raccolta del sangue e analisi biochimica
Campioni di sangue
Un totale di 2 mL di sangue venoso a digiuno è stato raccolto da ciascun partecipante utilizzando aghi sterili monouso e tubi a vuoto tra le 07:00 e le 09:00. Tutti i campioni sono stati etichettati con numeri di identificazione anonimizzati dello studio immediatamente dopo la ricoleczione.

Campioni di processo
I campioni di sangue sono stati centrifugati a 1.500 × g per 10 minuti a 4 °C per separare il siero. Analisi biochimiche sono state effettuate entro 4 ore dalla separazione del siero. Se un'analisi immediata non era fattibile, i campioni di siero venivano alquotati e conservati a −20 °C fino al test. I campioni di siero sono stati conservati a −20 °C per un massimo di 4 settimane prima dell'analisi.

Parametri biochimici
Il colesterolo totale (TC), i trigliceridi (TG), il colesterolo LDL (LDL-C) e l'HDL-colesterolo (HDL-C) sono stati misurati utilizzando saggi colorimetrici enzimatici standardizzati su un analizzatore biochimico automatizzato, secondo le istruzioni del produttore. La proteina C-reattiva ad alta sensibilità (hs-CRP) è stata misurata utilizzando un metodo di agglutinazione immunoturbidimetrica del lattice. La creatinina sierica e il peptide natriuretico di tipo B (BNP) sono stati quantificati utilizzando tecniche di immunoanalisi validate. Sono stati misurati anche il colesterolo totale (TC), i trigliceridi (TG), il colesterolo LDL (LDL-C) e l'HDL-colesterolo (HDL-C) utilizzando saggi colorimetrici enzimatici su un analizzatore biochimico automatico secondo il protocollo del produttore.

Valutazione elettrocardiografica
Un ECG a riposo a 12 derivazioni è stato registrato utilizzando una macchina ECG standard (velocità della carta 25 mm/s, calibrazione 10 mm/mV) dopo almeno 10 minuti di riposo del paziente in posizione supina.

ECG standard a 12 derivazioni
Un ECG a riposo a 12 derivazioni è stato registrato con il paziente in posizione supina dopo almeno 10 minuti di riposo. I segnali ECG sono stati registrati a una velocità di carta di 25 mm/s e una calibrazione di tensione di 10 mm/mV. QT, QTc, intervallo PR, durata QRS e frequenza cardiaca sono stati misurati tramite software automatizzato con verifica manuale da parte di due cardiologi indipendenti.

Monitoraggio Holter 24 ore
Elettrodi usa e getta sono stati fissati secondo la posizione standard dei cavi e i dati ECG continui sono stati registrati per 24 ore utilizzando un sistema portatile di monitoraggio Holter. Le registrazioni sono state analizzate utilizzando software dedicato all'analisi Holter per estrarre l'intervallo QT corretto (QTc), l'intervallo QT, l'intervallo PR, la durata del QRS e la frequenza cardiaca media. Il carico di aritmia è stato quantificato e la frequenza del PVC è stata classificata.

Criteri diagnostici
Cardiopatia coronarica (CAD)
La CAD è stata diagnosticata in base ad almeno uno dei seguenti sintomi: sintomi tipici di angina con ECG che mostrano depressione del segmento ST di ≥0,1 mV durata <1 s, test di sforzo positivo o angiografia coronarica che dimostra ≥50% di stenosi luminale.

Ipertrofia ventricolare sinistra (LVH)
L'HVV è stata diagnosticata tramite ecocardiografia utilizzando un indice di massa del ventricolo sinistro >130 g/m2 nei maschi e >100 g/m2 nelle femmine.

Insufficienza cardiaca congestizia (ICC)
La congestione cardiaca incongestiva è stata diagnosticata in base a sintomi clinici (dispnea, affaticamento, riduzione della tolleranza all'esercizio) e ai riscontri fisici (crepitii polmonari, edema periferico, distensione venosa giugulare). La diagnosi è stata confermata da evidenze ecocardiografiche di anomalie cardiache strutturali o funzionali.

Incidente cerebrovascolare (ACV)
L'AVC è stata diagnosticata tramite TAC o risonanza magnetica, dimostrando infarto ischemico acuto o emorragia intracranica.

Aterosclerosi vascolare periferica (PVA)
La PVA è stata confermata tramite evidenze arteriografiche di lesioni aterosclerotiche o misurata tramite ecografia con un aumento dello spessore carotide del mezzo intimo.

Analisi statistica
Le variabili continue sono state valutate per la normalità utilizzando il test di Shapiro–Wilk. Le variabili che seguono una distribuzione normale sono state riportate come media ± deviazione standard (SD) e confrontate tra gruppi utilizzando il test t a campioni indipendenti. Al contrario, le variabili non conformi alla distribuzione normale sono state presentate come mediana con intervallo interquartile e analizzate utilizzando il test U di Mann–Whitney. I dati categorici sono stati riassunti come frequenze e percentuali e confrontati utilizzando il test chi-quadrato (χ2) o il test esatto di Fisher, dove appropriato. Le associazioni tra parametri elettrofisiologici (intervallo QT, QT corretto [QTc], intervallo PR, durata del QRS) e marcatori lipidici (colesterolo totale, trigliceridi, colesterolo lipoproteico a bassa densità [LDL-C], colesterolo lipoproteico ad alta densità [HDL-C]) sono state esaminate utilizzando il coefficiente di correlazione di rango di Spearman, data la potenziale distribuzione non normale delle variabili biochimiche.

Per determinare predittori indipendenti di insufficienza cardiaca, sono state inizialmente eseguite analisi di regressione logistica univariata. Le variabili che mostrano P < 0,10 nell'analisi univariata, insieme a fattori clinicamente rilevanti (età, sesso, parametri lipidici, indici elettrofisiologici e frazione di eiezione del ventricolo sinistro [LVEF]), sono state successivamente incluse in un modello di regressione logistica multivariabile utilizzando un metodo del rapporto di versimiglianza a passi avanzati. Il modello finale ha aggiustato per i potenziali confondenti, inclusi età, sesso, funzione renale e funzione cardiaca di base, per minimizzare i confondimenti residui. La multicollinearità è stata valutata utilizzando fattori di inflazione della varianza (VIF), con valori superiori a 5 che indicano una collinearità significativa. Sono stati riportati odds ratio (OR) aggiustati con intervalli di confidenza (IC) del 95%

Per minimizzare il bias di confusione, nel modello di regressione multivariabile sono state incluse covariate clinicamente rilevanti, tra cui età, sesso, pressione sanguigna basale, funzione renale, uso di farmaci (statine, farmaci antiaritmici e beta-bloccanti) e funzione cardiaca basale (LVEF), dove disponibili. Queste variabili sono state selezionate in base alla rilevanza clinica e alla letteratura precedente che le collegava al rischio cardiovascolare e alla progressione delle aritmie.

La calibrazione del modello è stata valutata utilizzando il test di buona adattabilità di Hosmer–Lemeshow, mentre la performance discriminativa è stata analizzata tramite l'analisi della curva della caratteristica operativa del ricevitore (ROC). L'accuratezza predittiva è stata quantificata calcolando l'area sotto la curva ROC (AUC) insieme ai corrispondenti intervalli di confidenza al 95%. Le prestazioni del modello sono state inoltre valutate utilizzando statistiche pseudo-R2 , tra cui Cox & Snell R2 e NagelkerkeR 2, per stimare la proporzione di varianza spiegata dal modello di regressione logistica multivariabile.

I valori di soglia ottimali sono stati determinati utilizzando l'indice di Youden. Per quanto riguarda la dimensione del campione, questo studio prospettico esplorativo ha arruolato tutti i pazienti idonei durante il periodo di reclutamento predefinito. L'analisi di potenza post hoc ha indicato che la dimensione del campione forniva >80% di potenza statistica per rilevare dimensioni di effetto moderate (OR ≥ 1,7 o r ≥ 0,30) a un livello di α bilaterale di 0,05.

Per identificare predittori indipendenti dell'insufficienza cardiaca, è stata effettuata un'analisi di regressione logistica multivariabile utilizzando parametri elettrofisiologici, variabili lipidiche, fattori demografici ed indicatori ecocardiografici come predittori candidati. Poiché questo studio prospettico esplorativo ha incluso tutti i partecipanti idonei durante il periodo di reclutamento predefinito, non è stato effettuato un calcolo formale a priori della dimensione del campione. Tuttavia, un'analisi di potenza post hoc ha indicato che la dimensione finale del campione (n = 80) forniva circa l'80% di potenza statistica per rilevare dimensioni di effetto moderate (r ≥ 0,30 o OR ≥ 1,7) a un livello di α bilaterale di 0,05. Sono stati applicati test statistici a due code per tutto il processo, con un valore P < 0,05 definito come statisticamente significativo.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Risultati

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Variabili di base
Un totale di 240 pazienti sono stati sottoposti a screening per l'idoneità tra aprile 2023 e aprile 2025. Dopo l'applicazione dei criteri predefiniti di inclusione ed esclusione, sono stati inclusi 80 pazienti nell'analisi finale. Tra questi partecipanti, 60 pazienti avevano uno spessore carotideo intima–media (CIMT) ≤ 0,9 mm e 20 pazienti avevano CIMT > 0,9 mm.

Come mostrato nella Tabella 1 e

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Discussione

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Il presente studio ha valutato il contributo combinato dei parametri elettrofisiologici cardiaci, delle anomalie lipidiche e dei marcatori strutturali cardiovascolari al rischio di malattie cardiovascolari (CVD) e insufficienza cardiaca nei pazienti con malattia coronarica (CAD) complicata da aritmia. I risultati dimostrano che l'intervallo QTc prolungato, l'allargamento del complesso QRS, l'intervallo PR esteso, la dislipidemia (colesterolo totale elevato, trigliceridi e LDL-C con HDL-C...

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Dichiarazioni

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Tutti gli autori non hanno conflitti di interesse da dichiarare.

Materiali

Elenco dei materiali utilizzati in questo articolo
NomeAziendaNumero di catalogoCommenti
Elettrocardiografo (ECG) a 12 derivazioniPhilips HealthcareECG-12P-2025Utilizzato per l'ECG standard a riposo per registrare l'attività elettrica cardiaca (intervalli QT, QRS, PR).
Sistema Holter Monitor 24 oreGE HealthcareHOLTER-24-01Dispositivo portatile di monitoraggio ECG continuo per il carico di aritmie e l'analisi QTc.
Analizzatore Ematologico AutomatizzatoSysmexXN-1000Effettua conteggi leucocitari e calcola il rapporto neutrofili/linfociti.
Analizzatore biochimicoRoche DiagnosticaCOBAS-8000Analizzatore automatico per la misurazione del profilo lipidico (TC, TG, LDL-C, HDL-C) e dell'hs-CRP.
Kit per immunosaggio BNPLaboratori AbbottBNP-ARCHITECTUtilizzato per la quantificazione del peptide natriuretico di tipo B per la diagnosi di insufficienza cardiaca.
Macchina per ecografie carotideMindrayUS-CIMT-900Sistema a ultrasuoni B-mode ad alta risoluzione per la misurazione dello spessore della carotida intima-media.
CentrifugaEppendorfCEN-5810RUsato per separare il siero dai campioni di sangue totale a 1.500 e più volte; G per 10 minuti a 4 °C.
Sistema di ecocardiografiaSiemens HealthineersECHO-SIM-2025Utilizzato per valutare la frazione di eiezione del ventricolo sinistro e diagnosticare anomalie strutturali.
Congelatore di Conservazione del Siero (-20 ° C)Thermo Fisher ScientificTSX-20FPer la conservazione temporanea delle aliquote sieriche prima dell'analisi.
Software SPSS (Versione 23.0)IBMSPSS-23Software statistico utilizzato per analisi di correlazione, regressione e curve ROC.

Riferimenti

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Aberra, T. The association between triglycerides and incident cardiovascular disease: what is “optimal”. J Clin Lipidol. 14 (4), 438-447 (2020).
  2. Adali, M. K., Davutoglu, Y., Yilmaz, S. The relationship between premature ventricular complexes and index of cardiac-electrophysiological balance. Rev Assoc Med Bras. 69 (1), 142-146 (2023).
  3. Aromolaran, A. S., Boutjdir, M. Cardiac ion channel regulation in obesity and the metabolic syndrome: relevance to long QT syndrome and atrial fibrillation. Front Physiol. 8, 431(2017).
  4. Balakumar, P., Babbar, L. Preconditioning the hyperlipidemic myocardium: fact or fantasy. Cell Signal. 24 (3), 589-595 (2012).
  5. Choi, S. The potential role of biomarkers associated with ASCVD risk: risk-enhancing biomarkers. J Lipid Atheroscler. 8 (2), 173-190 (2019).
  6. Corrado, D., et al. Diagnosis of arrhythmogenic cardiomyopathy: the Padua criteria. Int J Cardiol. 319, 106-114 (2020).
  7. Cumberland, M. J., et al. Basic research approaches to evaluate cardiac arrhythmia in heart failure and beyond. Front Physiol. 13, 806366(2022).
  8. Deng, C., et al. Association of QTc interval with risk of cardiovascular diseases and related vascular traits: a prospective and longitudinal analysis. Glob Heart. 15 (1), 13(2020).
  9. Dobrev, D., Heijman, J., Hiram, R., Li, N., Nattel, S. Inflammatory signalling in atrial cardiomyocytes: a novel unifying principle in atrial fibrillation pathophysiology. Nat Rev Cardiol. 20 (3), 203-219 (2023).
  10. Erken Pamukcu, H., et al. Diabetic microvascular complications associated with myocardial repolarization heterogeneity evaluated by Tp-e interval and Tp-e/QTc ratio. J Diabetes Complications. 34 (12), 107726(2020).
  11. Gupta, S., Priyadarshi, A., Beg, M., Rabbani, M. Decoding the lipid-angiogram link: can serum lipid profile help predict your clogged arteries. Cureus. 16, e73454(2024).
  12. Hajouli, S., Ludhwani, D. Heart failure and ejection fraction. , StatPearls Publishing. (2024).
  13. Hovland, A., et al. Increased risk of heart failure and atrial fibrillation in heterozygous familial hypercholesterolemia. Atherosclerosis. 266, 69-73 (2017).
  14. Kalantarian, S., et al. Long-term electrocardiographic and echocardiographic progression of arrhythmogenic right ventricular cardiomyopathy and their correlation with ventricular tachyarrhythmias. Circ Heart Fail. 14 (9), e008121(2021).
  15. Lee, T. L., et al. Association between triglyceride glucose index and corrected QT prolongation in Chinese male steelworkers. Int J Environ Res Public Health. 18 (8), 4020(2021).
  16. Lin, M., Sun, Y. Obstacles to the clinical application of the QRS-T angle. J Electrocardiol. 58, 27-28 (2019).
  17. Ling, Y., et al. Varying definitions of carotid intima-media thickness and future cardiovascular disease: a systematic review and meta-analysis. J Am Heart Assoc. 12 (23), e031217(2023).
  18. Lipponen, J. A., Kurl, S., Laukkanen, J. A. Global electrical heterogeneity as a predictor of cardiovascular mortality in men and women. Europace. 20 (11), 1841-1848 (2018).
  19. Lu, H. R., Yan, G. X., Gallacher, D. J. A new biomarker – index of cardiac electrophysiological balance (iCEB) – plays an important role in drug-induced cardiac arrhythmias: beyond QT prolongation and torsades de pointes. J Pharmacol Toxicol Methods. 68 (2), 250-259 (2013).
  20. Mircea, A. A., Rusu, M., Liehn, E. A., Bucur, O. Promising therapies for atrial fibrillation and ventricular tachycardia. Int J Mol Sci. 23 (20), 12612(2022).
  21. Mohamed, S. F., et al. Carotid intima media thickness (CIMT) in adults in the AWI-Gen Nairobi site study: profiles and predictors. Hipertens Riesgo Vasc. 40 (1), 1-8 (2023).
  22. Reddy, P. Extreme atherosclerotic cardiovascular disease (ASCVD) risk recognition. Curr Diab Rep. 19 (8), 66(2019).
  23. Rawshani, A., et al. Cardiac arrhythmias and conduction abnormalities in patients with type 2 diabetes. Sci Rep. 13 (1), 1192(2023).
  24. Krittayaphong, R., Songsangjinda, T., Jirataiporn, K., Yindeengam, A. Outcomes and left ventricular ejection fraction in cardiac magnetic resonance: challenging the “higher is better”. J Am Heart Assoc. 14 (8), e039889(2025).
  25. Saadatagah, S., et al. Coronary heart disease risk associated with primary isolated hypertriglyceridemia: a population-based study. J Am Heart Assoc. 10 (11), e019343(2021).
  26. Yücetaş, S. C., Kaya, H., Kafadar, S., Kafadar, H., Tibilli, H., et al. Evaluation of index of cardiac-electrophysiological balance in patients with subarachnoid hemorrhage. BMC Cardiovasc Disord. 22 (1), 524(2022).
  27. Shah, S., et al. Supranormal left ventricular ejection fraction, stroke volume, and cardiovascular risk. JACC Heart Fail. 10 (8), 583-594 (2022).
  28. Sudhukaran, S. Alteration of lipid metabolism in chronic kidney disease, the role of novel antihyperlipidemic agents, and future directions. Rev Cardiovasc Med. 19 (3), 85-96 (2018).
  29. Surendran, A., Zhang, H., Stamenkovic, A., Ravandi, A. Lipidomics and cardiovascular disease. Biochim Biophys Acta Mol Basis Dis. 1871 (5), 167806(2025).
  30. Tsarapatsani, K. H., et al. Predicting atrial fibrillation within 7 years follow-up using machine learning models. Eur Heart J. 45, Suppl 1. (2024).
  31. Ucar, F. M., Ozturk, C., Yılmaztepe, M. A. Evaluation of Tp-e interval, Tp-e/QT ratio and Tp-e/QTc ratio in patients with acute myocarditis. BMC Cardiovasc Disord. 19 (1), 282(2019).
  32. Wang, A., et al. Cumulative exposure to high-sensitivity C-reactive protein predicts the risk of cardiovascular disease. J Am Heart Assoc. 6 (10), e005610(2017).
  33. Wazir, M., et al. Lipid disorders and cardiovascular risk, a comprehensive analysis of current perspectives. Cureus. 15 (12), e51395(2023).
  34. Welten, S. J. G. C., et al. Prolongation of the heart rate-corrected QT interval is associated with cardiovascular diseases, systematic review and meta-analysis. Arch Cardiovasc Dis. 116 (2), 69-78 (2023).
  35. Xia, W., Yu, H., Wang, G. Coronary artery disease with elevated levels of HDL cholesterol is associated with distinct lipid signatures. Metabolites. 13 (6), 695(2023).
  36. Xiao, S., Zhang, Q., Yang, H. Y., Tong, J. Y., Yang, R. Q. Association between triglyceride glucose-body mass index and all-cause and cardiovascular mortality in diabetes patients, a retrospective study from NHANES database. Sci Rep. 14 (1), 63886(2024).
  37. Xu, X. Correlation analysis of cardiac electrophysiological characteristics and cardiovascular disease progression in arrhythmia patients. Am J Transl Res. 17 (1), 178-187 (2025).
  38. Yao, Y. S., Li, T. D., Zeng, Z. H. Mechanisms underlying direct actions of hyperlipidemia on myocardium, an updated review. Lipids Health Dis. 19 (1), 23(2020).
  39. Zhang, S., Liu, W., Xu, B., Wang, S., Du, Z., et al. Association of triglyceride glucose index and triglyceride glucose-body mass index with sudden cardiac arrest in the general population. Cardiovasc Diabetol. 23 (1), 275(2024).
  40. Zimmerman, D. S., Tan, H. L. Epidemiology and risk factors of sudden cardiac arrest. Curr Opin Crit Care. 27 (6), 613-616 (2021).

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Ristampe e permessi

Richiedi il permesso di riutilizzare il testo o le figure di questo articolo JoVE

Richiedi permesso

Tag

Elettrofisiologia cardiacarischio di aritmiaintervallo QTcdurata del QRSfrazione di eiezione del ventricolo sinistrospessore intima media carotidearegressione logistica

Articoli correlati