Impact of Body Mass Index on Adverse Events in Children Undergoing Sedation for MRI
Notice bibliographique
Résumé
OBJECTIVES: More than 20% of children in the United States have a nonhealthy body mass index (BMI). Magnetic resonance imaging is a common procedure necessitating sedation in children, including those with nonhealthy BMI values. We aimed to determine the risk of adverse events (AEs) and airway interventions associated with BMI in this population. METHODS: A retrospective cross-sectional study of children undergoing sedation for MRI at 66 centers participating in the Pediatric Sedation Research Consortium was conducted. BMI values were categorized as underweight, healthy weight, overweight, obesity, and severe obesity. Outcomes were AEs and airway interventions. AEs were categorized as major, moderate, or minor, and airway interventions were categorized as major or minor. We used multivariable logistic regression to determine the risk of AEs and airway interventions associated with BMI. RESULTS: We analyzed 39 393 children; 3132 (8%) were underweight, 5476 (13.9%) were overweight, 4446 (11.2%) had obesity, and 1123 (2.9%) had severe obesity. Risk of major and moderate AEs in children categorized as underweight, overweight, obesity, and severe obesity were adjusted odds ratio (aOR) 1.22 (95% CI: 1.04-1.4), 1.58 (95% CI 1.41-1.74), 1.8 (95% CI 1.55-2.04), and 1.86 (95% CI 1.59-2.13), respectively. Risk of major airway interventions in those with BMI values in the overweight, obesity, and severe obesity categories were aOR 1.61 (95% CI 1.44-1.78), 1.83 (95% CI 1.58-2.09), and 1.9 (95% CI 1.62-2.18). CONCLUSIONS: Children undergoing sedation for MRI categorized as overweight, obesity, and severe obesity are at increased odds of AEs and airway interventions. Children who are underweight have increased odds of AEs.
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 ».