Notice bibliographique
Résumé
PURPOSE OF REVIEW: Cirrhosis is the result of the progression of necroinflammatory liver diseases leading to fibrosis, portal hypertension, and a catabolic state, which might cause muscle wasting or sarcopenia. In this review, we analyze the methods for muscularity assessment, the incidence and clinical impact of muscle wasting, and potential novel therapeutic strategies in cirrhosis. Finally, we evaluate the value of muscle wasting inclusion to conventional systems for liver transplant prioritization. RECENT FINDINGS: Muscle wasting is present in up to 45% of patients with cirrhosis and is associated with higher risk of sepsis-related death rather than liver failure mortality. Despite the fact that muscle wasting is not included in the scores for prognosis in cirrhotic patients, as in the case of Model for End-Stage Liver Disease (MELD) or Child-Pugh, its presence should alert clinicians to the same extent as other complications do, such as ascites, hepatic encephalopathy, or variceal bleeding. Two studies have shown increased mortality risk after liver transplantation in patients with muscle wasting, whereas one study did not. Modification of MELD to include muscle wasting is associated with a modest improvement in the prediction of mortality in patients with cirrhosis. SUMMARY: Muscle wasting is a frequent complication in cirrhosis and contributes to increased risk of sepsis-related mortality. The impact on mortality of muscle wasting after liver transplantation is controversial and needs further study. The MELD-sarcopenia score is associated with improvement in mortality prediction; however, prior to the widespread use of this composite score, validation in larger cohorts of patients with cirrhosis is necessary.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 | 0,003 |
| 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 ».