Biomarkers for bile acid diarrhoea in functional bowel disorder with diarrhoea: a systematic review and meta-analysis
Notice bibliographique
Résumé
There is no universally available laboratory test to diagnose bile acid diarrhoea (BAD). Objective To conduct a systematic review and meta-analysis to identify a biomarker for idiopathic BAD in patients with functional bowel disorder (FBD) with diarrhoea. Design We searched multiple databases through 15 May 2015. Data were only available to estimate the diagnostic yield of each test (the prevalence of a positive test). Estimates were pooled across studies using the random effects model. Results We included 36 studies, enrolling 5028 patients (24 using 75 selenium homotaurocholic acid test ( 75 SeHCAT) retention of <10%, 6 using fasting serum C4, 3 using fasting serum fibroblast growth factor 19 (FGF19) and 2 based on total faecal bile acid (BA) excretion over 48 h). The diagnostic yields (and 95% CI) of abnormal tests were: 0.308 (0.247 to 0.377) for 75 SeHCAT retention (<10%), 0.171 (0.134 to 0.217) for serum C4, 0.248 (0.147 to 0.385) for serum FGF19 and 0.255 (0.071 to 0.606) for total faecal BA excretion over 48 h. The majority of the analyses were associated with substantial heterogeneity. Performance characteristics relative to a gold standard test could not be estimated. Conclusions Overall, the test with the highest diagnostic yield conducted in the largest number of studies was 75 SeHCAT retention, which is not widely available in many countries outside Europe and Canada. Using different diagnostic tests, 25% (average) of patients with lower FBD with diarrhoea has evidence of idiopathic BAD. These tests serve to identify idiopathic BAD among patients with FBD with diarrhoea. Further studies are required to appraise the performance characteristics of tests for idiopathic BAD.
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 | 0,000 |
| Méta-épidémiologie (sens large) | 0,008 | 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 | 0,000 | 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 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 ».