The effect of pre–heart transplant body mass index on posttransplant outcomes: An analysis of the ISHLT Registry Data
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
We evaluated the effect of pre-heart transplant body mass index (BMI) on posttransplant outcomes using the International Society for Heart and Lung Transplantation Registry. Kaplan-Meier analysis and a multivariable Cox proportional hazard regression model were used for all-cause mortality, and cause-specific hazard regression for cause-specific mortality and morbidity. We assessed 38 498 recipients from 2000 to 2014 stratified by pretransplant BMI. Ten-year survival was 56% in underweight, 59% in normal weight, 57% in overweight, 52% in obese class I, 54% in class II, and 47% in class III patients (P < 0.001). Mortality was increased in underweight (HR 1.29, 95% CI 1.24-1.35), obese class I (HR 1.19, 95% CI 1.13-1.26), class II (HR 1.20, 95% CI 1.08-1.32), and class III patients (HR 1.45, 95% CI 1.15-1.83). Obesity was independently associated with increased death from myocardial infarction, chronic rejection, infection, and renal dysfunction. An underweight BMI lead to increased death from infection, acute and chronic rejection, malignancy, and bleeding. Obese patients had a higher incidence of renal dysfunction, diabetes, stroke, acute rejection, cardiac allograft vasculopathy, and malignancy, and underweight recipients had increased acute rejection. We have shown that pretransplant obese and underweight patients have increased post-heart transplant mortality and morbidity. This has implications for candidate selection and posttransplant management.
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.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle