The Relationship Between Body Mass Index and In-Hospital Mortality in Patients Following Coronary Artery Bypass Grafting Surgery
Notice bibliographique
Résumé
Background: The association between Body Mass Index (BMI) and clinical outcomes following coronary artery bypass grafting (CABG) remains controversial. Our objective was to investigate the real-world relationship between BMI and in-hospital clinical course and mortality, in patients who underwent CABG. Methods: A sampled cohort of patients who underwent CABG between October 2015 and December 2016 was identified in the National Inpatient Sample (NIS) database. Outcomes of interest included in-hospital mortality, peri-procedural complications and length of stay. Patients were divided into 6 BMI (kg/m2) subgroups; (1) under-weight ≤19, (2) normal-weight 20–25, (3) over-weight 26–30, (4) obese I 31–35, (5) obese II 36–39, and (6) extremely obese ≥40. Multivariable logistic regression model was used to identify predictors of in-hospital mortality. Linear regression model was used to identify predictors of length of stay (LOS). Results: An estimated total of 48,710 hospitalizations for CABG across the U.S. were analyzed. The crude data showed a U-shaped relationship between BMI and study population outcomes with higher mortality and longer LOS in patients with BMI ≤ 19 kg/m2 and in patients with BMI ≥40 kg/m2 compared to patients with BMI 20–39 kg/m2. In the multivariable regression model, BMI subgroups of ≤19 kg/m2 and ≥40 kg/m2 were found to be independent predictors of mortality. Conclusions: A complex, U-shaped relationship between BMI and mortality was documented, confirming the “obesity paradox” in the real-world setting, in patients hospitalized for CABG.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».