Predictors of health‐related quality of life in 500 severely obese patients
Notice bibliographique
Résumé
OBJECTIVE: To characterize health-related quality of life (HRQL) impairment in severely obese subjects, using several validated instruments. METHODS: A cross-sectional analysis of 500 severely obese subjects was completed. Short-Form (SF)-12 [Physical (PCS) and Mental (MCS) component summary scores], EuroQol (EQ)-5D [Index and Visual Analog Scale (VAS)], and Impact of Weight on Quality of Life (IWQOL)-Lite were administered. Multivariable linear regression models were performed to identify independent predictors of HRQL. RESULTS: Increasing BMI was associated with lower PCS (-1.33 points per 5 kg/m(2) heavier; P < 0.001), EQ-index (-0.02; P < 0.001), EQ-VAS (-1.71; P = 0.003), and IWQOL-Lite (-3.72; P = 0.002), but not MCS (P = 0.69). The strongest predictors (all P < 0.005) for impairment in each instrument were: fibromyalgia for PCS (-5.84 points), depression for MCS (-7.49 points), stroke for EQ-index (-0.17 points), less than full-time employment for EQ-VAS (-7.06 points), and coronary disease for IWQOL-Lite (-10.86 points). Chronic pain, depression, and sleep apnea were associated with reduced HRQL using all instruments. CONCLUSION: The clinical impact of BMI on physical and general HRQL was small, and mental health scores were not associated with BMI. Chronic pain, depression, and sleep apnea were consistently associated with lower HRQL.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».