Decision regret and long-term weight evolution following laparoscopic sleeve gastrectomy as bridge to kidney transplantation
Notice bibliographique
Résumé
Introduction Laparoscopic sleeve gastrectomy (LSG) is effective for rapid weight loss in kidney transplant (KT) candidates. This study aims to evaluate satisfaction or regret with the decision to undergo LSG in preparation for KT and the long-term durability of this approach to weight loss. Methods From 2012 to 2019, all patients who underwent LSG prior to waitlisting for KT were included. The Decision Regret Scale (DRS) was assessed regarding the decision to undergo LSG before KT. The long-term weight evolution was also collected. Findings Forty-six subjects completed the DRS survey at a median follow-up of 8 years post-LSG: 67% reported absolutely no regret, 22% mild regret, and 11% moderate to strong regret. Successful surgical weight loss was achieved in 36 patients and was significantly associated with lower levels of regret ( p = 0.005). Body mass index reductions after LSG were highly significant compared to baseline values at all time points over 10 years ( p = 0.0001) and remained significantly lower for up to 7 years post-KT. Thirty-two patients received KT, yet this had no significant association with decision regret. Conclusion Laparoscopic sleeve gastrectomy as a pre-transplantation weight loss strategy is associated with very low levels of regret, regardless of the KT status. LSG has demonstrated long-term, durable weight loss.
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 | 0,001 | 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 | 0,000 |
| 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 ».