Ultrasound Elastography Used for Preventive Non-Invasive Screening in Early Detection of Liver Fibrosis
Notice bibliographique
Résumé
BACKGROUND: Early discovery of liver fibrosis is becoming more popular because of enhanced incidence of hepatocellular carcinoma. Ultrasound-based liver elastography is a method used to approve suspected liver fibrosis or cirrhosis. We assessed the clinical usefulness of acoustic radiation force impulse shear wave elasticity imaging (ARFI-SWEI) as a preventive screening method to uncover fibrosis. METHODS: We screened 382 patients by native routine sonography for abnormal liver results and divided them into six groups: group 1: normal liver, groups 2-4: fatty liver grade I-III, group 5: liver cirrhosis, and group 6: inhomogenic liver tissue. Then ARFI-SWEI was performed and the results were compared with published shear wave velocity cut-off values that were predictive of each fibrosis stage (F0-4). A control group consisted of 20 healthy volunteers. RESULTS: The part of liver fibrosis ≥ F2 was in groups 1-4: 20-32%, group 5: 100%, and group 6: 91%. Main causes for fibrosis stage ≥ F2 were (non)-alcoholic steatohepatitis, chronic viral or autoimmune hepatitis and chronic heart failure. CONCLUSIONS: Screening of the liver tissue in b-mode ultrasound can underestimate possible liver fibrosis; by using ARFI-SWEI, liver fibrosis can be uncovered early. It is a suitable preventive method comparable to colonoscopy for colon cancer.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».