MétaCan
Menu
← Retour à la cohorte
Enregistrement W7116403649 · doi:10.64898/2025.12.17.25342515

Comparing the Treatment and Side Effects of Existing Bariatric Surgery Procedures: An Observational Study

2025· article· W7116403649 sur OpenAlexfundno aff
Qishuo Yin, J. Zhang, Siyu Heng

Notice bibliographique

RevuemedRxiv · 2025
Typearticle
Langue
DomaineMedicine
ThématiqueBariatric Surgery and Outcomes
Établissements canadiensnon disponible
Organismes subventionnairesDivision of Mathematical SciencesYork University
Mots-clésSleeve gastrectomyObservational studyGastric bypassBody mass indexWeight lossAdverse effectAnastomosisObesity

Résumé

récupéré en direct d'OpenAlex

Abstract Importance Bariatric surgery is an established treatment for obesity and its associated comorbidities, including diabetes, hypertension, sleep apnea, and hypercholesterolemia. Despite the widespread adoption of various bariatric procedures, rigorous causal comparisons of their differential effects on treatment outcomes and adverse events remain scarce. Objective This large-scale observational study aimed to rigorously compare the effects of commonly performed bariatric surgery procedures on both weight loss (effevtiveness) and the risk of postoperative complications. Evidence Review This study utilized data from the American College of Surgeons Metabolic and Bariatric Surgery Accreditation and Quality Improvement Program (MB-SAQIP) database, encompassing 729,482 cases from 2015 to 2020. With Sleeve Gastrectomy serving as the reference procedure, we assessed the effect of alternative procedures on changes in body mass index (BMI) and the risk of reoperation, readmission, and subsequent interventions. State-of-the-art machine learning-based causal inference techniques, including Causal Forest, Dragonnet, and Double Machine Learning, were employed to conduct robust causal comparisons. Findings Biliopancreatic Diversion with Duodenal Switch (BPD/DS) demonstrated superior BMI reduction compared with Sleeve Gastrectomy. Roux-en-Y Gastric Bypass (RYGB), Adjustable Gastric Band (AGB, or Band), and Single Anastomosis Duodeno-Ileal Bypass with Sleeve Gastrectomy (SADI-S) were associated with less pronounced BMI decreases relative to Sleeve Gastrectomy. The risk of complications was similar or higher for all other surgical procedures compared with Sleeve Gastrectomy. Importantly, these represent causal effect estimates rather than mere associations, providing clinically actionable evidence for treatment selection. Detailed effect estimates and risk ratios, along with their confidence intervals, are presented in the full text. All our implementations are available at GitHub. Conclusions and Relevance Our causal estimates–derived from state-of-the-art machine learning methods applied to the largest bariatric surgery registry–provide the first rigorous quantitative evidence supporting current clinical practice guidelines, issued by the American Society for Metabolic and Bariatric Surgery (ASMBS), and enable evidence-based surgical decision-making. Key Points Question What are the causal effects of the five widely adopted bariatric surgery procedures on weight loss efficacy and postoperative complication risks? Findings Our causal analysis reveals that Biliopancreatic Diversion with Duodenal Switch (BPD/DS) achieves significantly greater BMI reduction compared with the most widely conducted Sleeve Gastrectomy, but at the cost of substantially elevated complication risks. Our causal analysis results of all five bariatric surgery procedures align with mechanistic understanding and provide quantitative causal estimates rather than associations. Meaning This represents the first large-scale and comprehensive causal analysis comparing weight loss and adverse event risks across the five most important bariatric surgery procedures, providing rigorous evidence to inform surgical decision-making.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,031
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,061

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,031
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,004
Bibliométrie0,0020,004
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,148
Tête enseignante GPT0,350
Écart entre enseignants0,202 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemedRxiv→Même sujetBariatric Surgery and Outcomes→Travaux en français237 207→