Quality of Life After Bariatric Surgery—a Systematic Review with Bayesian Network Meta-analysis
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
OBJECTIVE: Comprehensive analysis and comparison of HRQoL following different bariatric interventions through systematic review with network meta-analysis. BACKGROUND: Different types of bariatric surgeries have been developed throughout the years. Apart from weight loss and comorbidities remission, improvement of health-related quality of life (HRQoL) is an important outcome of metabolic surgery. METHODS: MEDLINE, EMBASE, and Scopus databases have been searched up to April 2020. Inclusion criteria to the analysis were (1) study with at least 2 arms comparing bariatric surgeries; (2) reporting of HRQoL with a validated tool; (3) follow-up period of 1, 2, 3, or 5 years. Network meta-analysis was conducted using Bayesian statistics. The primary outcome was HRQoL. RESULTS: Forty-seven studies were included in the analysis involving 26,629 patients and 11 different surgeries such as sleeve gastrectomy (LSG), gastric bypass (LRYGB), one anastomosis gastric bypass (OAGB), and other. At 1 year, there was significant difference in HRQoL in favor of LSG, LRYGB, and OAG compared with lifestyle intervention (SMD: 0.44; 95% CrI 0.2 to 0.68 for LSG, SMD: 0.56; 95% CrI 0.31 to 0.8 for LRYGB; and SMD: 0.43; 95% CrI 0.06 to 0.8 for OAGB). At 5 years, LSG, LRYGB, and OAGB showed better HRQoL compared to control (SMD: 0.92; 95% CrI 0.58 to 1.26, SMD: 1.27; 95% CrI 0.94 to 1.61, and SMD: 1.01; 95% CrI 0.63 to 1.4, respectively). CONCLUSIONS: LSG and LRYGB may lead to better HRQoL across most follow-up time points. Long-term analysis shows that bariatric intervention results in better HRQoL than non-surgical interventions.
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 | 0,016 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,060 | 0,034 |
| Bibliométrie | 0,001 | 0,010 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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