Obesity is associated with lower 30-day mortality in critically ill patients: A retrospective study of over 5400 patients
Notice bibliographique
Résumé
BACKGROUND: , is associated with higher mortality in the general population but shows a complex relationship with chronic diseases and critically illness. The aim of this study was to determine whether BMI predicted 30-day mortality (primary outcome) and intensive care unit (ICU) and hospital lengths of stay (LOS) (secondary outcome) in critically ill patients. METHODS: ). The association between BMI and outcomes was assessed by multivariate Cox Lasso (Least absolute shrinkage and selection operator) or linear Lasso regression models, adjusted for age, sex, Simplified Acute Physiology Score (SAPS) II, primary diagnosis (ICD-10 codes) and measurement time points. RESULTS: (HR 1.44, p = 0.006) compared to normal weight. BMI categories in the overweight, obesity class I and class II range were all associated with longer ICU and hospital LOS (all p < 0.05). CONCLUSION: Patients with higher BMI, particularly with class II obesity, show a lower 30-day mortality in ICU settings, but a longer ICU and hospital LOS. This is likely a reflection of the obesity paradox and the complex role of body composition in critical illness outcomes. CLINICAL TRIAL REGISTRY: clinicaltrials.gov, identifier: NCT05834894.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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 | 0,000 |
| 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 ».