Incidence and Predictors of Hepatic Steatosis and Fibrosis by Serum Biomarkers in a Large Cohort of Human Immunodeficiency Virus Mono-Infected Patients
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. Longitudinal data on liver disease in human immunodeficiency virus (HIV) mono-infection are scarce. We used noninvasive serum biomarkers to study incidence and predictors of hepatic steatosis and fibrosis. Methods. Hepatic steatosis was diagnosed by hepatic steatosis index ≥36. Advanced liver fibrosis was diagnosed by fibrosis-4 index >3.25. Kaplan-Meier analysis was used to estimate incidences. Cox regression analysis was used to explore predictors of hepatic steatosis and fibrosis development. Results. In this retrospective observational study, 796 consecutive HIV mono-infected patients were observed for a median of 4.9 (interquartile range, 2.2-6.4) years. Incidence of hepatic steatosis was 6.9 of 100 per person-years (PY) (95% confidence interval [CI], 5.9-7.9). Incidence of advanced liver fibrosis was 0.9 of 100 PY (95% CI, 0.6-1.3). Development of hepatic steatosis was predicted by black ethnicity (adjusted hazard ratio [aHR] = 2.18; 95% CI, 1.58-3; P < .001) and lower albumin (aHR = 0.94; 95% CI, 0.91-0.97; P < .001). Development of advanced liver fibrosis was predicted by higher glucose (aHR = 1.22; 95% CI, 1.2-1.3; P < .001) and lower albumin (aHR = 0.89; 95% CI, 0.84-0.93; P < .001). Conclusions. Incident hepatic steatosis is frequent in HIV mono-infected patients, particularly in those of black ethnicity. These patients can also develop advanced liver fibrosis. Identification of at-risk individuals can help early initiation of hepatological monitoring and interventions, such as targeting euglycemia.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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 | 0,000 |
| 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 découle