心血管医学关乎我们的心脏与血管健康,研究如何预防、诊断和治疗心脏病、高血压及中风等常见疾病。这一领域不仅探索疾病的根源,更致力于寻找能挽救生命的新疗法和精准医疗方案。在 Gist.Science,我们精选来自 medRxiv 的最新预印本,确保您能第一时间接触到医学前沿的突破性发现。

每一篇收录于此的论文都经过我们的专业处理,我们不仅提供详尽的技术分析,还特别准备了通俗易懂的通俗语言摘要,让非专业人士也能轻松理解复杂的心脏病研究进展。无论您是临床医生、研究人员,还是关心心脏健康的普通读者,这里都是您获取可靠信息的窗口。

以下为您呈现该领域最新发布的预印本论文列表。

📄 心血管医学

Glucagon-Like Peptide-1 Receptor Agonists Across the Heart Failure Spectrum: A Systematic Review and Meta-Analysis

这项针对 18,558 名心力衰竭患者的系统综述和荟萃分析表明,虽然 GLP-1 受体激动剂未显著降低心血管死亡或心衰住院的复合终点,但能改善射血分数保留型心衰(HFpEF)患者的生活质量与运动能力并降低全因死亡率,不过其生存获益主要源于心血管结局试验的亚组分析,而非专门的心衰试验。

Ferreira, V. M., Muller, V. A.2026-03-24
📄 心血管医学

Effects of Genetically-Proxied Antihypertensive Drug Targets on Preeclampsia and Birth Weight

该研究通过药物靶点孟德尔随机化分析发现,基因模拟的β受体阻滞剂抑制虽不能降低子痫前期风险,但会通过胎儿直接机制导致出生体重下降,而钙通道阻滞剂则能降低子痫前期风险且对胎儿生长影响中性,因此建议优先评估钙通道阻滞剂用于子痫前期预防。

Ardissino, M., Morley, A. P., Richards, E. M. F., Zollner, J., Truong, B., Williamson, C., Honigberg, M. C., Ware, J., N (…)2026-03-23
📄 心血管医学

Sodium-Glucose Cotransporter 2 Inhibitors in Heart Failure with Preserved Ejection Fraction: A Systematic Review and Meta-Analysis with Trial Sequential Analysis

这项纳入 59 项随机对照试验的系统评价与荟萃分析证实,钠 - 葡萄糖协同转运蛋白 2(SGLT2)抑制剂能显著降低心力衰竭患者的全因死亡率和心力衰竭住院风险,尽管会增加生殖器感染风险,但仍可作为全谱心力衰竭的基础治疗药物。

Ferreira, V. M., Muller, V. A.2026-03-18
📄 心血管医学

CARDIAC-FM: A Multimodal Foundation Model for Cardiovascular Risk Prediction Using ECG and Cardiac MRI

本文提出了一种名为 CARDIAC-FM 的多模态基础模型,该模型通过对比学习联合表征心电图与心脏磁共振图像,在多个外部队列中显著提升了心血管风险预测的准确性与泛化能力,并证明了其仅需心电图即可实现广泛临床部署的潜力。

Li, F., Li, S., Qian, Y., Chen, B., Brody, J. A., Yogeswaran, V., Wiggins, K. L., Sitlani, C. M., Bis, J. C., Shojaie, A (…)2026-03-18
📄 心血管医学

Risk-benefit profile of edoxaban and warfarin in patients with atrial fibrillation: a comprehensive systematic review and meta-analysis of randomized trials

这项系统综述和荟萃分析表明,依度沙班在降低卒中或全身性栓塞及主要不良心血管事件方面总体优于华法林,但华法林在特定高危亚组(如 CHA2DS2-VASc 评分≥4、高龄、肾功能正常或心力衰竭患病率≥25% 的患者)中仍显示出优势,提示需根据患者特征个体化选择抗凝方案。

Sohail, M. A., Moghis, A., Imran, M. W., Khalid, M., Nawaz, S. S., Akram, M. H., Khan, A. A.2026-03-07
📄 心血管医学

DIA-PINN. A physics-informed machine learning method to estimate global intrinsic diastolic chamber properties of the left ventricle from pressure-volume data

该研究提出并验证了一种名为 DIA-PINN 的物理学信息神经网络框架,该方法通过结合机制模型与机器学习,能够从瞬时压力 - 容积数据中更可靠、抗初始化干扰地估算左心室全局内在舒张特性,从而克服了传统拟合技术的局限性。

Fernandez Topham, J., Guerrero Hurtado, M., del Alamo, J. C., Bermejo, J., Martinez Legazpi, P.2026-03-06