Prescribing preoperative weight loss prior to major non-bariatric surgery for patients with elevated weight: a national provider survey (PREPARE provider survey)
Notice bibliographique
Résumé
Background The surgical patient with obesity presents several challenges in intraoperative and postoperative care. We designed this cross-sectional survey to assess surgeon willingness to prescribe preoperative very low energy diets (VLEDs) and practice patterns in prescribing preoperative weight loss interventions for patients with obesity undergoing non-bariatric abdominal surgery. Methods and findings We conducted a cross-sectional survey of practicing surgeons in Canada who perform major non-bariatric abdominal surgery, reported in accordance with the Consensus-Based Checklist for Reporting of Survey Studies and utilizing non-probability convenience sampling. The primary outcome was willingness to prescribe preoperative VLED to obese patients undergoing major non-bariatric abdominal surgery for both benign and malignant indications. We created a multivariable proportional odds model to identify factors associated with willingness to prescribe VLEDs. A total of 78 participants completed and returned the survey (response rate 10.9%; mean age 43.54 ± 8.13 years; 48.72% female). Most surgeons (79.5%) felt that obesity significantly impacted the technical difficulty of their operations. We identified a disconnect between those surgeons who were willing prescribe VLEDs vs. those who actually prescribed them (78.2% vs. 30.8%, respectively). Approximately half of the surgeons reported being unfamiliar with VLEDs. Regression analysis identified practicing in academic institutions was associated with increased willingness to prescribe [odds ratio (OR) 3.71, 95% confidence intervals (CI) 1.01–13.7, p < 0.01]. Conclusion Although the majority of surgeons feel that obesity adversely impacts perioperative care, only one-third routinely discuss preoperative VLEDs with their patients. Opportunities to increase awareness and evaluate the impact of VLEDs on patient outcomes remain high.
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 | 0,002 | 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 | 0,000 | 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) | 0,002 | 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 ».