Clinical approaches to non-alcoholic fatty liver disease
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Non-alcoholic fatty liver disease (NAFLD) ranges from simple steatosis to nonalcoholic steatohepatitis (NASH), leading to fibrosis and potentially cirrhosis, and it is one of the most common causes of liver disease worldwide. NAFLD is associated with other medical conditions such as metabolic syndrome, obesity, cardiovascular disease and diabetes. NASH can only be diagnosed through liver biopsy, but noninvasive techniques have been developed to identify patients who are most likely to have NASH or fibrosis, reducing the need for liver biopsy and risk to patients. Disease progression varies between individuals and is linked to a number of risk factors. Mechanisms involved in the pathogenesis are associated with diet and lifestyle, influx of free fatty acids to the liver from adipose tissue due to insulin resistance, hepatic oxidative stress, cytokines production, reduced very low-density lipoprotein secretion and intestinal microbiome. Weight loss through improved diet and increased physical activity has been the cornerstone therapy of NAFLD. Recent therapies such as pioglitazone and vitamin E have been shown to be beneficial. Omega 3 polyunsaturated fatty acids and statins may offer additional benefits. Bariatric surgery should be considered in morbidly obese patients. More research is needed to assess the impact of these treatments on a long-term basis. The objective of this article is to briefly review the diagnosis, management and treatment of this disease in order to aid clinicians in managing these patients.
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.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,001 | 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) | 0,000 | 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 découle