Impact of bariatric surgery on patients with chronic kidney disease and severe obesity: multiple-linked population-based cohort study
Notice bibliographique
Résumé
BACKGROUND: Chronic kidney disease (CKD) is prevalent among patients with obesity, contributing to increased morbidity and mortality. Metabolic bariatric surgery (MBS) may improve kidney outcomes, but its long-term effects remain unclear. The aim of this study was to examine the association between bariatric surgery and mortality and major adverse kidney events (MAKE) in patients with a diagnosis of CKD and severe obesity. METHODS: Patients with a diagnosis of CKD (stage ≥3 and estimated glomerular filtration rate (eGFR) ≤60 ml per min per 1.73 m2) and BMI ≥35 kg/m2 or who underwent bariatric surgery from 2010 to 2016 in Ontario, Canada, were included. Non-surgical controls were identified from a primary care database. Multiple-linked administrative databases were used to define confounders, including age, BMI, sex, co-morbidities, socio-economic status, psychiatric history, healthcare utilization, substance misuse, and cancer screening. The primary outcomes were all-cause mortality and MAKE (a composite outcome of mortality, 50% decline in eGFR, dialysis initiation, and hospital admission for heart failure, myocardial infarction, and acute kidney injury). A multivariable Cox proportional hazards model was used for analysis. RESULTS: Among 1538 patients (563 surgical and 975 non-surgical) followed for a median of 7.7 years, there were 285 deaths (207 (21.2%) non-surgical and 78 (13.9%) surgical). MBS was associated with 52% lower hazards of mortality (HR 0.48 (95% c.i. 0.34 to 0.67)) and 53% lower hazards of MAKE (HR 0.47 (95% c.i. 0.39 to 0.57)). Benefits were greater in females, patients aged >55 years, and those with a BMI >40 kg/m2. CONCLUSION: MBS was associated with reduced mortality and improved kidney outcomes in CKD patients, particularly in older individuals, females, and those with a higher BMI, highlighting its potential role in high-risk 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 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».