Biomarkers in Nonalcoholic Fatty Liver Disease
Notice bibliographique
Résumé
BACKGROUND: Nonalcoholic fatty liver disease (NAFLD) is a chronic liver condition characterized by insulin resistance, type 2 diabetes and fat accumulation in the liver that may cause hepatic inflammation and progressive scarring leading to nonalcoholic steatohepatitis (NASH) and irreversible liver damage (cirrhosis). As a result, there has been increased recognition of the need to assess and closely monitor individuals for risk factors of components of NAFLD and NASH, as well as the severity of these conditions using biomarkers. AIM: To review the biomarkers used to diagnose and define the severity of NAFLD and NASH. METHODS: A comprehensive PubMed and Google Scholar literature search was performed using the terms "non-alcoholic fatty liver disease", "non-alcoholic steatohepatitis", as well as the name of each biomarker known to be used. Articles indexed between 2004 and 2014 were used. Each author read the publications separately and the results were discussed. RESULTS: Biomarkers offer a potential prognostic or diagnostic indicator for disease manifestation, progression or both. Serum biomarkers, including total cholesterol, triglycerides, insulin resistance and C-peptide, have been used for many years. Emerging biomarkers, such as apolipoprotein A1, apolipoprotein B, leptin, adiponectin, free fatty acids, ghrelin and tumour necrosis factor-alpha, have been proposed as tools that could provide valuable complementary information to that obtained from traditional biomarkers. Moreover, markers of cell death and mitochondrial dysfunction (cytokeratins) represent powerful predictors of risk. For biomarkers to be clinically useful in accurately diagnosing and treating disorders, age-specific reference intervals that account for differences in sex and ethnic origin are a necessity. CONCLUSIONS: The present review attempts to provide a comprehensive analysis of the emerging risk biomarkers of NAFLD and NASH, and to use the clinical significance and analytical considerations of each biomarker pointing out sentinel features of disease progression.
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 | 0,006 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 ».