Association of BMI with mortality in drug-induced liver injury
Notice bibliographique
Résumé
BACKGROUND: To clarify the associations between BMI and the incidences of all-cause death or liver-related death (LRD)/liver transplantation (LT) in drug-induced liver injury (DILI). METHODS: DILI patients from three hospitals were retrospectively retrieved and follow-up from 2009 to 2021. They were categorized into underweight (BMI < 18.5 kg/m 2 ), normal weight (BMI of 18.5-23.9 kg/m 2 ), overweight (BMI of 24-27.9 kg/m 2 ) and obese (BMI ≥ 28 kg/m 2 ) groups. Cox regression models were conducted to reveal the effect of BMI on all-cause death or LRD/LT. RESULTS: A total of 1469 eligible DILI patients were included: underweight 73 (4.97%), normal weight 811 (55.21%), overweight 473 (32.20%) and obese 112 (7.62%). Eighty-nine patients (6.06%) had all-cause death, of which 66 patients (4.49%) had LRD/LT. The median age was 52 years old, and females were 1039 (70.73%). The associations between BMI and all-cause mortality ( nonlinear test P < 0.01) or liver-related mortality/LT ( nonlinear test P = 0.01) were J-shaped. Multivariate Cox regression analysis showed that underweight (HR: 3.02, 95% CI: 1.51-6.02) was significantly associated with all-cause mortality after adjusting for age and sex. Furthermore, obese males were significantly associated with liver-related mortality/LT (HR: 3.49, 95% CI: 1.13-10.72) after additional adjustment for serological indices and comorbidities. CONCLUSION: Association between BMI and mortality is a J-shape. The overall mortality was significantly higher in underweight and obese group. Male obesity is independently associated with LRD/LT. These findings indicate that DILI patients with extreme BMI would have a high risk of dismal outcomes, which warrants extra medical care.
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 | 0,002 |
| 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 ».