MétaCan
Menu
Retour à la cohorte
Enregistrement W2981112842 · doi:10.1097/md.0000000000017513

The association between weight fluctuation and all-cause mortality

2019· review· en· W2981112842 sur OpenAlexaboutno aff
Yan Zhang, Fangfang Hou, Jiexue Li, Haiying Yu, Li Lu, Shilian Hu, Guodong Shen, Hiroshi Yatsuya

Notice bibliographique

RevueMedicine · 2019
Typereview
Langueen
DomaineSocial Sciences
ThématiqueHealth disparities and outcomes
Établissements canadiensnon disponible
Organismes subventionnairesAnhui Medical University
Mots-clésMedicineMeta-analysisConfidence intervalPublication biasHazard ratioObservational studyDemographyRandom effects modelRelative riskInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Many observational studies have reported an association between weight fluctuation and all-cause mortality. However, the conclusions obtained from these studies have been unclear. OBJECTIVE: The current meta-analysis aimed to clarify the association between weight fluctuation and all-cause mortality. DATA SOURCE: We electronically searched PubMed, Embase, and Web of Science for articles reporting an association between weight fluctuation and all-cause mortality that were published before April 30, 2018. STUDY APPRAISAL AND SYNTHESIS METHODS: The methodological quality of each study was appraised using the modified Newcastle Ottawa Quality Assessment Scale. The hazard ratios (HRs) and corresponding 95% confidence intervals (CIs) were extracted from the included studies and pooled using random-effect models. Meta-regression approaches were also performed to explore sources of between-study heterogeneity. RESULTS: A total of 15 studies were eligible for the current meta-analysis. The pooled overall HR for all-cause mortality in the group with the greatest weight fluctuations compared with the most stable weight category was 1.45 (95% CI: 1.29-1.63). Considerable between-study heterogeneity was observed, some of which was partially explained by the different follow-up durations used by the included studies. Moreover, publication bias that inflated the risk of all-cause mortality was detected using Egger's test (P = .001). CONCLUSION: Weight fluctuation might be associated with an increased risk of all-cause mortality.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,965
Score d'incertitude au seuil0,510

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,202
Tête enseignante GPT0,478
Écart entre enseignants0,277 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations21
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedicineMême sujetHealth disparities and outcomesTravaux en français237 207