Using linked administrative data to study periprocedural mortality in obesity and chronic kidney disease (CKD)
Notice bibliographique
Résumé
Both obesity and chronic kidney disease (CKD) are associated with adverse periprocedural outcomes, but it is unknown how these two common conditions interact to influence risk. We examined the feasibility of combining a new procedure-related, obesity-specific flag with administrative and laboratory data and assessed the joint association between obesity and CKD with mortality. Since 2007, Alberta physicians may claim a fee supplement for performing eligible surgical and non-surgical procedures on patients with documented BMI ≥ 35 kg/m(2). We linked this information to the Alberta Kidney Disease Network registry. Participants were classified into four mutually exclusive groups based on the presence/absence of both obesity (BMI ≥ 35 kg/m(2)) and CKD (eGFR < 60 mL/min/1.73 m(2)). Mortality was assessed at 30 days following the index procedure. Of 393 659 participants, 9% were obese. Overall, 8% had obesity only, 78% neither obesity nor CKD, 13% CKD only and 1% both obesity and CKD. Unadjusted risks of mortality at 30 days were 0.3, 0.4, 2.0 and 2.1%, respectively--but decreased to 0.1, 0.2, 0.3 and 0.3%, respectively, after adjustment for age, sex, socioeconomic status, procedure type and other comorbidities. Administrative data can be feasibly combined with disease registries to study obesity-related outcomes. Results from the linked dataset demonstrated face validity--subjects with both obesity and CKD were at increased risk of periprocedural mortality, and this was driven in part by differences in age and comorbidity.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».