Effect of obesity on patterns and mechanisms of injury: Systematic review and meta analysis
Notice bibliographique
Résumé
BACKGROUND: Trauma is one of the major causes of morbidity and mortality globally, especially in younger populations. With an increase in obesity globally, it is important to assess the potential differences in injury pattern and management of obese patients presenting with trauma compared to lean patients to try and improve patient care. This study aims to review the available literature comparing injury patterns between obese and non-obese patients. METHODS: A systematic review of articles which assessed the association between obesity and different patterns of trauma and injury were assessed. Study quality was assessed using the Newcastle-Ottawa Scale. Data for injury patterns, type of trauma and patient course and outcome including length of ITU stay, length of intubation, length of hospital stay and mortality were collected. Summary data was assessed with random-effects meta-analysis. RESULTS: 21 studies with a total of 2,977,758 patients were identified. The majority of included patients had suffered blunt trauma. Lean patients were found to have a slightly increased risk of blunt trauma as a mechanism of injury (RR 1.02 p=<0.001), with a greater risk of head injury (lean patients RR 1.38 p=<0.001), reduced likelihood of extremity (lean RR 0.79 p=<0.001), and thoracic injury (lean RR 0.83 p = 0.002). There was no difference in risk of abdominal injury (p = 0.39). DISCUSSION: Obese trauma patients present with different injury patterns compared to lean patients. This may have significant impact on resource requirements and patient outcomes and must be considered when planning or allocating resources for trauma care. Whether differing injury patterns relate to body habitus, lifestyle factors, or other confounders is unclear, but likely represents a combination of thereof.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,008 | 0,002 |
| Bibliométrie | 0,001 | 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 ».