Importance of computed tomography imaging features for the diagnosis of autoimmune acute liver failure
Notice bibliographique
Résumé
AIM: The diagnosis of acute liver failure due to autoimmune hepatitis is often difficult because of atypical clinicopathological features. Patients with autoimmune acute liver failure are sometimes resistant to immunosuppressive therapy and have poor prognosis. Although their survival rates are especially poor (5-20%) without liver transplantation in Japan, their clinicopathological features have remained uncertain. A major problem is that there is no gold standard for making the diagnosis of acute onset autoimmune hepatitis. If there are diagnosing tools supporting clinicopathological features, they are of benefit to the patients. We examined computed tomography (CT) imaging features of autoimmune acute liver failure to clarify the usefulness of imaging for the diagnosis. METHODS: A retrospective analysis of 129 unenhanced CT scans of 68 patients with acute hepatitis, consisting of 23 with autoimmune acute liver failure (ALF) (group 1), 25 with early admission-viral ALF (group 2) and 20 with late admission-viral ALF (group 3), was performed. RESULTS: Autoimmune acute liver failure showed heterogeneous hypoattenuating areas and viral ALF diffuse ones (P < 0.001). The diffuse hypoattenuating areas were present in none of group 1, 15 (60%) of group 2, and 7 (30%) of group 3. The heterogeneous hypoattenuating areas were present in 15 (65%) of group 1, none of group 2 and 1 (5%) of group 3. CONCLUSIONS: Heterogeneous hypoattenuation on unenhanced CT was a characteristic CT imaging feature of autoimmune acute liver failure compared with viral ALF. This finding could be one of the tools for diagnosing autoimmune acute liver failure in combination with clinicopathological features.
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 | 0,001 | 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 | 0,001 |
| 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 ».