Resumo em Português:

Resumo Fundamento O remodelamento arterial que culmina no aumento da rigidez arterial envolve mecanismos como estresse oxidativo, produção de espécies reativas de oxigênio, alterações neuroendócrinas e predisposição genética. Esses processos também estão presentes na fisiopatologia da covid-19. Entretanto, a relação entre rigidez arterial, parâmetros hemodinâmicos e desfechos clínico-funcionais em pacientes pós-covid-19 ainda não foi adequadamente investigada. Objetivos Investigar a rigidez arterial, os parâmetros hemodinâmicos centrais e periféricos, o desempenho funcional, a qualidade de vida, a fadiga, a dispneia e a qualidade do sono em pacientes pós-covid-19. Métodos Estudo transversal conduzido com indivíduos do grupo pós-covid-19 (GpC) e indivíduos pareados do grupo controle (n = 32). A rigidez arterial foi avaliada por meio da velocidade da onda de pulso (VOP) e do índice de aumentação corrigido para frequência cardíaca de 75 bpm (AIx@75). Foram avaliados o desempenho funcional pelo teste de sentar e levantar cinco vezes, a força de preensão manual, a qualidade de vida (avaliada pelo 12-Item Short Form Survey), a fadiga (avaliada pela Fatigue Severity Scale – versão brasileira), a dispneia (avaliada pela escala modificada do Medical Research Council) e a qualidade do sono. Resultados O GpC apresentou valores mais elevados de VOP (Δ = 0,80 m/s; intervalo de confiança de 95% [IC95%], 0,08 a 1,52; p = 0,03) e AIx@75 (Δ = 8,34; IC95%, 2,02 a 14,66; p = 0,01), além de níveis mais elevados de pressão arterial central e periférica. Observou-se pior desempenho funcional (Δ = 4,39 s; IC95%, 2,70 a 6,08; p < 0,01) e pior qualidade de vida no componente físico (Δ = −9,35; IC95%, −12,45 a −6,25; p < 0,01). Fadiga, dispneia e qualidade do sono também apresentaram resultados significativamente piores no GpC. Na análise ajustada, a VOP associou-se independentemente à idade e à pressão arterial sistólica, mas não à condição pós-covid-19. Conclusão Pacientes pós-covid-19 apresentam maior rigidez arterial, alterações hemodinâmicas e pior desempenho clínico-funcional. Contudo, a rigidez arterial parece ser predominantemente determinada por fatores hemodinâmicos e pelo envelhecimento, e não pela condição pós-covid-19 de forma independente, sugerindo que o comprometimento funcional observado decorra de mecanismos multifatoriais.

Resumo em Inglês:

Abstract Background Arterial remodeling leading to increased arterial stiffness involves mechanisms such as oxidative stress, reactive oxygen species production, neuroendocrine alterations, and genetic predisposition. These processes are also involved in the pathophysiology of COVID-19. However, the relationship between arterial stiffness, hemodynamic parameters, and clinical-functional outcomes in post-COVID-19 patients has not yet been adequately investigated. Objectives To investigate arterial stiffness, central and peripheral hemodynamic parameters, functional performance, quality of life, fatigue, dyspnea, and sleep quality in post-COVID-19 patients. Methods This cross-sectional study was conducted with individuals in the post-COVID-19 group (PCG) and matched individuals in the control group (n = 32). Arterial stiffness was assessed using pulse wave velocity (PWV) and the augmentation index corrected to a heart rate of 75 bpm (AIx@75). Functional performance was evaluated using the five-times sit-to-stand test, handgrip strength, quality of life (assessed with the 12-Item Short Form Survey), fatigue (assessed with the Brazilian version of the Fatigue Severity Scale), dyspnea (assessed with the modified Medical Research Council scale), and sleep quality. Results The PCG showed higher PWV values (Δ = 0.80 m/s; 95%CI, 0.08 to 1.52; p = 0.03) and AIx@75 (Δ = 8.34; 95%CI, 2.02 to 14.66; p = 0.01) as well as higher levels of central and peripheral blood pressure. Worse functional performance was observed (Δ = 4.39 s; 95%CI, 2.70 to 6.08; p < 0.01), along with poorer quality of life in the physical component (Δ = −9.35; 95%CI, −12.45 to −6.25; p < 0.01). Fatigue, dyspnea, and sleep quality outcomes were also significantly worse in the PCG. In the adjusted analysis, PWV was independently associated with age and systolic blood pressure, but not with post-COVID-19 status. Conclusion Post-COVID-19 patients exhibit greater arterial stiffness, hemodynamic alterations, and poorer clinical-functional performance. However, arterial stiffness appears to be predominantly determined by hemodynamic factors and aging rather than by post-COVID-19 status independently, suggesting that the observed functional impairment results from multifactorial mechanisms.

Resumo em Português:

RESUMO As doenças cardiovasculares são a principal causa de mortalidade no mundo, destacando a necessidade de estratégias eficazes de predição de risco e detecção precoce. Embora o eletrocardiograma (ECG) seja um exame amplamente disponível e de baixo custo, sua interpretação tradicional é limitada pela subjetividade. A inteligência artificial (IA) surgiu como uma abordagem promissora, capaz de extrair informações prognósticas ocultas dos sinais de ECG. Esta revisão sistemática teve como objetivo avaliar estudos originais que aplicaram técnicas de IA a ECGs para predição de risco cardiovascular e mortalidade. Foram incluídos estudos originais que utilizaram sinais de ECG como única variável de entrada para modelos de IA, com foco em desfechos de risco cardiovascular. Uma busca sistemática foi realizada em diferentes bases de dados, e os dados fora msintetizados de forma narrativa. Onze estudos foram incluídos, predominantemente coortes retrospectivas que aplicaram redes neurais convolucionais (CNNs) para prever risco cardiovascular ou mortalidade. As amostras eram majoritariamente compostas por populações adultas de países de alta renda. Os desfechos primários incluíram mortalidade por todas as causas, morte cardiovascular e eventos cardiovasculares adversos maiores (MACE). Os valores de AUROC variaram de 0,63 a 0,961 nos conjuntos de treinamento, com alguns modelos superando escores tradicionais de risco. Os modelos de IA‑ECG demonstraram potencial para detectar doença subclínica, permitindo estratificação precoce de risco mesmo em ECGs normais. No entanto, persistem desafios relacionados à diversidade populacional, interpretabilidade dos modelos e validação prospectiva. A aplicação de IA à análise de ECG representa um avanço promissor na avaliação personalizada do risco cardiovascular. Contudo, mais pesquisas são necessárias para garantir a segurança, a eficácia e a integração clínica equitativa dessas tecnologias.

Resumo em Inglês:

Abstract Cardiovascular diseases (CVDs) are the leading cause of mortality worldwide, underscoring the need for effective risk prediction and early detection. Although the electrocardiogram (ECG) is a widely available and low-cost diagnostic tool, its traditional interpretation is limited by subjectivity. Artificial intelligence (AI) has emerged as a promising approach, capable of extracting hidden prognostic information from ECG signals. This systematic review aimed to assess original studies applying AI techniques to ECGs for cardiovascular risk prediction and mortality. Original studies that used ECG signals as the sole input variable for AI models, focusing on cardiovascular risk outcomes, were included. A systematic search was conducted in different databases, and data were synthesized narratively. Eleven studies were included, predominantly retrospective cohorts applying convolutional neural networks (CNNs) to predict cardiovascular risk or mortality. The sample primarily consisted of adult populations in high-income countries. Primary outcomes included all-cause mortality, cardiovascular death, and major adverse cardiovascular events (MACE). Reported AUROC values ranged from 0.63 to 0.961 in training sets, with some models outperforming traditional risk scores. AI-ECG models demonstrated the potential to detect subclinical disease, enabling early risk stratification even in normal ECGs. However, challenges remain regarding population diversity, model interpretability, and prospective validation. The application of AI to ECG analysis represents a promising advancement in personalized cardiovascular risk assessment. Nonetheless, further research is needed to ensure the safety, effectiveness, and equitable clinical integration of these technologies.