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/m 2 ) 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/m 2 and in patients with BMI ≥40 kg/m 2 compared to patients with BMI 20–39 kg/m 2 . In the multivariable regression model, BMI subgroups of ≤19 kg/m 2 and ≥40 kg/m 2 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 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 | 0,002 |
| 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 | 0,000 | 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 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 ».