Association of magnitude of weight loss and weight variability with mortality and major cardiovascular events among individuals with type 2 diabetes mellitus: a systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Weight management is strongly promoted for overweight or obese patients with type 2 diabetes (T2DM) by current guidelines. However, the prognostic impact of weight loss achieved without behavioural intervention on the mortality and cardiovascular (CV) outcomes in diabetic patients is still contested. METHODS: We searched the PubMed, Embase, and Cochrane Library databases for studies that investigated the association of weight loss or weight variability with mortality and CV outcomes. Results of studies that measured weight loss by percentage weight loss from baseline and stratified it as > 10% and 5-10% or studies that computed weight variability were pooled using random effects model. Study quality was evaluated using the Newcastle-Ottawa Scale. RESULTS: Thirty eligible studies were included in the systematic review and 13 of these were included in the meta-analysis. Large weight loss (> 10%) was associated with increased risk of all-cause mortality (pooled hazard ratio (HR) 2.27, 95% CI 1.51-3.42), composite of major CV events (pooled HR 1.71, 95% CI 1.38-2.12) and CV mortality (pooled HR 1.50, 95% CI 1.27-1.76) among T2DM patients. Moderate weight loss showed no significant association with all-cause mortality (pooled HR 1.17, 95% CI 0.97-1.41) or CV outcomes (pooled HR 1.12, 95% CI 0.94-1.33). Weight variability was associated with high hazard of all-cause mortality (pooled HR 1.54, 95% CI 1.52-1.56). CONCLUSIONS: Large weight loss and large fluctuations in weight are potential markers of increased risk of mortality and CV events in T2DM patients. Maintaining a stable weight may have positive impact in these patients.
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 | 0,011 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,026 | 0,006 |
| Bibliométrie | 0,001 | 0,002 |
| 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) | 0,000 | 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 ».