Bariatric-Metabolic Surgery Utilisation in Patients With and Without Diabetes: Data from the IFSO Global Registry 2015–2018
Notice bibliographique
Résumé
Abstract Background Comparative international practice of patients undergoing bariatric-metabolic surgery for type 2 diabetes mellitus (T2DM) is unknown. We aimed to ascertain baseline age, sex, body mass index (BMI) and types of operations performed for patients with T2DM submitted to the IFSO Global Registry. Materials and Methods Cross-sectional analysis of patients having primary surgery in 2015–2018 for countries with ≥90% T2DM data completion and ≥ 1000 submitted records. Results Fifteen countries including 11 national registries met the inclusion criteria. The rate of T2DM was 24.2% (99,537 of 411,581 patients, country range 12.0–55.1%) and 77.1% of all patients were women. In every country, patients with T2DM were older than those without T2DM (overall mean age 49.2 [SD 11.4] years vs 41.8 [11.9] years, all p < 0.001). Men were more likely to have T2DM than women, odds ratio (OR) 1.68 (95% CI 1.65–1.71), p < 0.001. Men showed higher rates of T2DM for BMI <35 kg/m 2 compared to BMI ≥35.0 kg/m 2 , OR 2.76 (2.52–3.03), p < 0.001. This was not seen in women, OR 0.78 (0.73–0.83), p < 0.001. Sleeve gastrectomy was the commonest operation overall, but less frequent for patients with T2DM, patients with T2DM 54.9% vs without T2DM 65.8%, OR 0.63 (0.63–0.64), p < 0.001. Twelve out of 15 countries had higher proportions of gastric bypass compared to non-bypass operations for T2DM, OR 1.70 (1.67–1.72), p < 0.001. Conclusion Patients with T2DM had different characteristics to those without T2DM. Older men were more likely to have T2DM, with higher rates of BMI <35 kg/m 2 and increased likelihood of food rerouting operations.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».