60 Examining the impact of obesity ≥30 kg/m2 on acute kidney injury following cardiac surgery
Notice bibliographique
Résumé
Background Postoperative acute kidney injury (AKI) is a frequent and serious consequence of cardiac surgery. A complex and multifactorial issue, improved understanding of its aetiological components will aid development of preventative strategies prospectively. The global prevalence of obesity has reached epidemic proportions and is particularly associated with the pathogenesis of cardiovascular disease. We undertook to investigate the association of obesity and the risk of AKI development following cardiac surgery. Methods 432 patients who underwent cardiac surgery with cardiopulmonary bypass between October 2009 and August 2010 were included in the final retrospective analysis. Obesity was defined as BMI ≥ 30 kg/m2. Acute kidney injury (AKI) was defined as a creatinine increase of ≥ 25% from baseline at 48 h post surgery. Results The overall incidence of AKI was 29.9% (n = 129). The incidence of diabetes was significantly higher in the obese cohort (24.3 vs. 10.8% p = 0.0005). There was an increased incidence of post-operative renal impairment in the obese vs. non-obese cohort, however this was not statistically significant (39 vs. 25.9%, p = 0.07). Univariate analysis of independent predictors of postoperative AKI revealed significant associations between obesity (BMI >30 kg/m2) (OR 1.80, 95% CI 1.17–2.79, p = 0.01), cerebrovascular disease (OR 1.83, 95% CI 1.10–2.03, p = 0.02), hyperlipidaemia (OR 0.59, 95% CI 0.39–0.89, p = 0.02) and a history of smoking (OR 2.82, 95% CI 1.79–4.44, p < 0.0001). Multivariate logistic regression revealed that BMI >30 kg/m2 was independently associated with the development of postoperative AKI (OR 1.81, 95% CI 1.11–2.95, p = 0.02) as were age (OR 0.98 95% CI 0.96–1.0, p = 0.03) and cardiopulmonary bypass time (OR 0.99, 95% CI 0.98–1.0, p = 0.03). Conclusion Obesity ≥ 30 kg/m2 is independently associated with an increased risk of AKI following cardiac surgery. Further understanding of the molecular basis of this association is critical to the design of preventative strategies.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».