Systematic Review and Meta–Analysis of the Diagnostic Accuracy of Fibrosis Marker Panels in Patients with HIV/Hepatitis C Coinfection
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
BACKGROUND: Accurately staging hepatitis C virus (HCV)-related fibrosis is crucial for treatment decisions and prognostication. Our objective was to systematically review studies describing the accuracy of serum marker panels for predicting fibrosis in HIV/HCV-coinfected patients. METHOD: Studies comparing serum marker panels with biopsy in HIV/HCV-coinfected patients were identified. Random effects meta-analyses and areas under summary receiver operating characteristics curves (AUC) examined test accuracy for detecting significant fibrosis (F2-4) and cirrhosis. Heterogeneity was explored using meta-regression. RESULTS: Five studies (n = 574) including four fibrosis measures (APRI [n = 4 studies], Forns' [n = 2], FibroTest [n = 1], SHASTA [n = 1]) met the inclusion criteria. The prevalence of significant fibrosis and cirrhosis were 51% and 16%, respectively. For the prediction of significant fibrosis, the summary AUC was 0.82 (95% CI 0.78-86) and diagnostic odds ratio was 7.8 (5.1-11.9). For cirrhosis, these figures were 0.83 (0.69-0.97) and 11.0 (4.6-26.2), respectively. Meta-regression including study factors (methodological quality and biopsy adequacy), patient characteristics (age, gender, CD4 count), and fibrosis measure failed to identify important predictors of accuracy. CONCLUSION: Available fibrosis marker panels have acceptable performance for identifying significant fibrosis and cirrhosis in HIV/HCV-coinfected patients but are not yet adequate to replace liver biopsy. Additional studies are necessary to identify the optimal measure.
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 | 0,011 | 0,218 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,024 | 0,005 |
| Bibliométrie | 0,001 | 0,002 |
| 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 découle