Assessment of liver fibrosis by Fibroscan as compared to liver biopsy in biliary atresia
Notice bibliographique
Résumé
AIM: To evaluate liver stiffness measurement (LSM) using non-invasive transient elastography (Fibroscan) in comparison with liver biopsy for assessment of liver fibrosis in children with biliary atresia (BA). METHODS: Thirty-one children with BA admitted to the Department of Pediatric Surgery of Beijing Children's Hospital from March 2012 to February 2013 were included in this study. Their preoperative LSM, liver biopsy findings, and laboratory results were studied retrospectively. RESULTS: The grade of liver fibrosis in all 31 patients was evaluated according to the METAVIR scoring system, which showed that 4 cases were in group F2, 20 in group F3 and 7 in group F4. There were 24 non-cirrhosis cases (F2-F3) and 7 cirrhosis cases (F4). In groups F2, F3 and F4, the mean LSM was 9.10 ± 3.30 kPa, 11.02 ± 3.31 kPa and 22.86 ± 12.43 kPa, respectively. LSM was statistically different between groups F2 and F4 (P = 0.002), and between groups F3 and F4 (P = 0.000), however, there was no statistical difference between groups F2 and F3 (P = 0.593). The area under the receiver operating characteristic curve of LSM for ≥ F4 was 0.866. The cut-off value of LSM was 15.15 kPa for ≥ F4, with a sensitivity, specificity, positive predictive value and negative predictive value of 0.857, 0.917, 0.750 and 0.957, respectively. CONCLUSION: Fibroscan can be used as a non-invasive technique to assess liver fibrosis in children with BA. The cut-off value of LSM (15.15 kPa) can distinguish cirrhotic patients from non-cirrhotic 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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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 | 0,000 |
| 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 ».