Impact of long‐term tenofovir disoproxil fumarate on incidence of hepatocellular carcinoma in patients with chronic hepatitis B
Notice bibliographique
Résumé
BACKGROUND: Efficacy trials have shown that antiviral therapy improves the outcomes of patients with chronic hepatitis B virus (HBV) infection. However, prospective data regarding the effect of antiviral therapy on the incidence of hepatocellular carcinoma (HCC), especially among patients without cirrhosis, are limited. The authors examined the impact of tenofovir disoproxil fumarate (TDF) on the incidence of HCC using a validated prediction model. METHODS: The incidence of HCC in patients treated with TDF was obtained in the pivotal TDF registration studies after 384 weeks of follow-up. The predicted risk of HCC in individual patients was calculated using the Risk Estimation for Hepatocellular Carcinoma in Chronic Hepatitis B (REACH-B) model, which estimates HCC incidence for up to 10 years based on age, sex, alanine aminotransferase level, hepatitis B e antigen status, and HBV-DNA. Standardized incidence ratios (SIRs) were calculated comparing the observed and predicted numbers of HCC cases in the study cohort. RESULTS: Among 634 patients with evaluable baseline biopsies, 152 had cirrhosis (Ishak fibrosis score of 5 or 6) and 482 did not. During the 384 weeks of study, 14 cases of HCC were reported, with 4 occurring within the first year. The incidence of HCC was 0.37% per year in the study as a whole (0.28% among patients without cirrhosis and 0.65% among patients with cirrhosis). Among patients without cirrhosis, the observed incidence of HCC was significantly lower than predicted (SIR, 0.40; 95% confidence interval, 0.199-0.795). The last HCC case in a patient with cirrhosis occurred around week 192 with an SIR of 0.51 (95% confidence interval, 0.231-1.144) reported at week 384. CONCLUSIONS: Based on the REACH-B risk calculator, long-term therapy with TDF was associated with a reduced incidence of HCC among patients without cirrhosis who met treatment criteria.
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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».