Variations in weight loss and glycemic outcomes after sleeve gastrectomy by race and ethnicity
Notice bibliographique
Résumé
OBJECTIVE: This study examined racial and ethnic differences in percent total weight loss (%TWL) and glycemic improvement following sleeve gastrectomy (SG) and explored the role of socioeconomic and psychosocial factors in postsurgical outcomes. METHODS: This longitudinal study included patients who underwent SG between 2017 and 2020, with follow-up visits over 24 months. RESULTS: Non-Hispanic Black (NHB) participants had lower %TWL at 3, 12, and 24 months compared with Hispanic (H) and non-Hispanic White (NHW) participants. Fat mass index was initially lower in NHB, with smaller reductions over time and significant group differences persisting at 24 months. NHB participants had higher baseline fat-free mass index values; by 24 months, fat-free mass index values were lower in H participants. Hemoglobin A1c decreased across all groups but remained consistently higher in NHB and H compared with NHW at 24 months. NHB participants reported higher perceived discrimination, sleep disturbance, and perceived stress than H and NHW participants at all time points. Employment status predicted %TWL at 12 months. There was a significant interaction between race and ethnicity and employment status observed at 12 and 24 months, suggesting that employment-related disparities could impact surgical outcomes. CONCLUSIONS: NHB participants experienced less favorable outcomes following SG, emphasizing the need for tailored interventions addressing socioeconomic and psychosocial disparities.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| 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 ».