Rationale: Sleep-disordered breathing recurrent intermittent hypoxia and sympathetic nervous system activity surges provide the milieu for cardiac arrhythmia development.Objective: We postulate that the prevalence of nocturnal cardiac arrhythmias is higher among subjects with than without sleep-disordered breathing.Methods: The prevalence of arrhythmias was compared in two samples of participants from the Sleep Heart Health Study frequency-matched on age, sex, race/ethnicity, and body mass index: (1) 228 subjects with sleep-disordered breathing (respiratory disturbance index ⩾ 30) and (2) 338 subjects without sleep-disordered breathing (respiratory disturbance index < 5).Results: Atrial fibrillation, nonsustained ventricular tachycardia, and complex ventricular ectopy (nonsustained ventricular tachycardia or bigeminy or trigeminy or quadrigeminy) were more common in subjects with sleep-disordered breathing compared with those without sleep-disordered breathing: 4.8 versus 0.9% (p = 0.003) for atrial fibrillation; 5.3 versus 1.2% (p = 0.004) for nonsustained ventricular tachycardia; 25.0 versus 14.5% (p = 0.002) for complex ventricular ectopy. Compared with those without sleep-disordered breathing and adjusting for age, sex, body mass index, and prevalent coronary heart disease, individuals with sleep-disordered breathing had four times the odds of atrial fibrillation (odds ratio [OR], 4.02; 95% confidence interval [CI], 1.03–15.74), three times the odds of nonsustained ventricular tachycardia (OR, 3.40; 95% CI, 1.03–11.20), and almost twice the odds of complex ventricular ectopy (OR, 1.74; 95% CI, 1.11–2.74). A significant relation was also observed between sleep-disordered breathing and ventricular ectopic beats/h (p < 0.0003) considered as a continuous outcome.Conclusions: Individuals with severe sleep-disordered breathing have two- to fourfold higher odds of complex arrhythmias than those without sleep-disordered breathing even after adjustment for potential confounders.

Loss-of-function variants in the angiopoietin-like 3 gene (ANGPTL3) have been associated with decreased plasma levels of triglycerides, low-density lipoprotein (LDL) cholesterol, and high-density lipoprotein (HDL) cholesterol. It is not known whether such variants or therapeutic antagonism of ANGPTL3 are associated with a reduced risk of atherosclerotic cardiovascular disease.

Objectives To evaluate the extent to which sleep-disordered breathing (SDB) varies with putative demographic and medical risk factors and to estimate the prevalence of undiagnosed SDB. Study design Prospective, cross-sectional study in a population-based cohort of 850 children (41% black, 46% preterm), 8 to 11 years of age. Participants' caretakers completed questionnaires about health and sleep. Children underwent overnight in-home cardiorespiratory recordings of airflow, respiratory effort, oximetry, and electrocardiography. SDB was identified by respiratory disturbance indices commonly applied in clinical practice. Risk factors were estimated by logistic regression. Prevalence was derived from cohort-specific estimates with birth weights from US live births data. Results Using the most inclusive definition, SDB was detected in 40 (4.7%) participants, with prevalence varying widely across population subsets. Depending on the definition used, SDB was 4 to 6 times more likely in black children compared with white children and almost 3 to 5 times more likely in former preterm compared with term children. The estimated population prevalence of SDB was 2.2% (95% CI, 1.2%, 3.2%). Conclusions SDB is a relatively common condition in 8- to 11-year-old children. Potentially vulnerable subgroups, black children, and former preterm infants, are at increased risk.

Polysomnography is used to assess sleep quality and to gauge the functional effect of sleep disorders. Few population-based data are available to estimate the variation in sleep architecture across the population and the extent to which sleep-disordered breathing (SDB), a common health condition, contributes to poor sleep independent of other factors. The objective of this study was to describe the population variability in sleep quality and to quantify the independent associations with SDB.Cross-sectional analyses were performed on data from 2685 participants, aged 37 to 92 years, in a community-based multicenter cohort study. Dependent measures included the percentage time in each sleep stage, the arousal index, and sleep efficiency. Independent measures were age, sex, ethnicity, comorbidity status, and the respiratory disturbance index.Lighter sleep was found in men relative to women and in American Indians and blacks relative to other ethnic groups. Increasing age was associated with impaired sleep in men, with less consistent associations in women. Notably, women had, on average, 106% more slow wave sleep. Sleep-disordered breathing was associated with poorer sleep; however, these associations were generally smaller than associations with sex, ethnicity, and age. Current smokers had lighter sleep than ex-smokers or never smokers. Obesity had little effect on sleep.Sleep architecture varies with sex, age, ethnicity, and SDB. Individual assessment of the effect of SDB on sleep quality needs to account for other host characteristics. Men, but not women, show evidence of poorer sleep with aging, suggesting important sex differences in sleep physiology.

Unleashing the power of precision medicine Precision medicine promises the ability to identify risks and treat patients on the basis of pathogenic genetic variation. Two studies combined exome sequencing results for over 50,000 people with their electronic health records. Dewey et al. found that ∼3.5% of individuals in their cohort had clinically actionable genetic variants. Many of these variants affected blood lipid levels that could influence cardiovascular health. Abul-Husn et al. extended these findings to investigate the genetics and treatment of familial hypercholesterolemia, a risk factor for cardiovascular disease, within their patient pool. Genetic screening helped identify at-risk patients who could benefit from increased treatment. Science , this issue p. 10.1126/science.aaf6814 , p. 10.1126/science.aaf7000

Acute kidney injury increases mortality risk among those with established chronic kidney disease. In this study we used a propensity score-matched cohort method to retrospectively evaluate the risks of death and de novo chronic kidney disease after reversible, hospital-associated acute kidney injury among patients with normal pre-hospitalization kidney function. Of 30,207 discharged patients alive at 90 days, 1610 with reversible acute kidney injury that resolved within the 90 days were successfully matched across multiple parameters with 3652 control patients who had not experienced acute kidney injury. Median follow-up was 3.3 and 3.4 years (injured and control groups, respectively). In Cox proportional hazard models, the risk of death associated with reversible acute kidney injury was significant (hazard ratio 1.50); however, adjustment for the development of chronic kidney injury during follow-up attenuated this risk (hazard ratio 1.18). Reversible acute kidney injury was associated with a significant risk of de novo chronic kidney disease (hazard ratio 1.91). Thus, a resolved episode of hospital-associated acute kidney injury has important implications for the longitudinal surveillance of patients without preexisting, clinically evident kidney disease.

Higher-than-normal levels of circulating triglycerides are a risk factor for ischemic cardiovascular disease. Activation of lipoprotein lipase, an enzyme that is inhibited by angiopoietin-like 4 (ANGPTL4), has been shown to reduce levels of circulating triglycerides.

Familial hypercholesterolemia (FH) remains underdiagnosed despite widespread cholesterol screening. Exome sequencing and electronic health record (EHR) data of 50,726 individuals were used to assess the prevalence and clinical impact of FH-associated genomic variants in the Geisinger Health System. The estimated FH prevalence was 1:256 in unselected participants and 1:118 in participants ascertained via the cardiac catheterization laboratory. FH variant carriers had significantly increased risk of coronary artery disease. Only 24% of carriers met EHR-based presequencing criteria for probable or definite FH diagnosis. Active statin use was identified in 58% of carriers; 46% of statin-treated carriers had a low-density lipoprotein cholesterol level below 100 mg/dl. Thus, we find that genomic screening can prompt the diagnosis of FH patients, most of whom are receiving inadequate lipid-lowering therapy.

Geisinger Health System (GHS) provides an ideal platform for Precision Medicine. Key elements are the integrated health system, stable patient population, and electronic health record (EHR) infrastructure. In 2007, Geisinger launched MyCode, a system-wide biobanking program to link samples and EHR data for broad research use.Patient-centered input into MyCode was obtained using participant focus groups. Participation in MyCode is based on opt-in informed consent and allows recontact, which facilitates collection of data not in the EHR and, since 2013, the return of clinically actionable results to participants. MyCode leverages Geisinger's technology and clinical infrastructure for participant tracking and sample collection.MyCode has a consent rate of >85%, with more than 90,000 participants currently and with ongoing enrollment of ~4,000 per month. MyCode samples have been used to generate molecular data, including high-density genotype and exome sequence data. Genotype and EHR-derived phenotype data replicate previously reported genetic associations.The MyCode project has created resources that enable a new model for translational research that is faster, more flexible, and more cost-effective than traditional clinical research approaches. The new model is scalable and will increase in value as these resources grow and are adopted across multiple research platforms.Genet Med 18 9, 906-913.

Statin treatment and variants in the gene encoding HMG-CoA reductase are associated with reductions in both the concentration of LDL cholesterol and the risk of coronary heart disease, but also with modest hyperglycaemia, increased bodyweight, and modestly increased risk of type 2 diabetes, which in no way offsets their substantial benefits. We sought to investigate the associations of LDL cholesterol-lowering PCSK9 variants with type 2 diabetes and related biomarkers to gauge the likely effects of PCSK9 inhibitors on diabetes risk.In this mendelian randomisation study, we used data from cohort studies, randomised controlled trials, case control studies, and genetic consortia to estimate associations of PCSK9 genetic variants with LDL cholesterol, fasting blood glucose, HbA1c, fasting insulin, bodyweight, waist-to-hip ratio, BMI, and risk of type 2 diabetes, using a standardised analysis plan, meta-analyses, and weighted gene-centric scores.Data were available for more than 550 000 individuals and 51 623 cases of type 2 diabetes. Combined analyses of four independent PCSK9 variants (rs11583680, rs11591147, rs2479409, and rs11206510) scaled to 1 mmol/L lower LDL cholesterol showed associations with increased fasting glucose (0·09 mmol/L, 95% CI 0·02 to 0·15), bodyweight (1·03 kg, 0·24 to 1·82), waist-to-hip ratio (0·006, 0·003 to 0·010), and an odds ratio for type diabetes of 1·29 (1·11 to 1·50). Based on the collected data, we did not identify associations with HbA1c (0·03%, -0·01 to 0·08), fasting insulin (0·00%, -0·06 to 0·07), and BMI (0·11 kg/m2, -0·09 to 0·30).PCSK9 variants associated with lower LDL cholesterol were also associated with circulating higher fasting glucose concentration, bodyweight, and waist-to-hip ratio, and an increased risk of type 2 diabetes. In trials of PCSK9 inhibitor drugs, investigators should carefully assess these safety outcomes and quantify the risks and benefits of PCSK9 inhibitor treatment, as was previously done for statins.British Heart Foundation, and University College London Hospitals NHS Foundation Trust (UCLH) National Institute for Health Research (NIHR) Biomedical Research Centre.