Incidence and Predictors of Advanced Liver Fibrosis by a Validated Serum Biomarker in Liver Transplant Recipients
Notice bibliographique
Résumé
Background and Aims. Serum fibrosis biomarkers have shown good accuracy in the liver transplant (LT) population. We employed a simple serum biomarker to elucidate incidence and predictors of advanced fibrosis after LT over a long follow-up period.Methods. We included 440 consecutive patients who underwent LT between 1991 and 2013. Advanced liver fibrosis was defined as FIB-4 > 3.25 beyond 12 months after LT.Results. Over 2030.5 person-years (PY) of follow-up, 189 (43%) developed FIB-4 > 3.25, accounting for an incidence of 9.3/100 PY (95% confidence interval [CI], 8.1–10.7). Advanced fibrosis was predicted by chronic HCV infection (adjusted hazard ratio (aHR) = 3.96, 95% CI 2.92–5.36, p < 0.001), hypoalbuminemia (aHR = 2.31, 95% CI 1.72–3.09; p < 0.001), and hyponatremia (aHR = 1.48, 95% CI 1.09–2.01; p = 0.01). LT recipients with more than 1 predictor had a higher incidence of advanced fibrosis, the highest being when all 3 predictors coexisted (log-rank: p < 0.001).Conclusions. Chronic HCV infection, hypoalbuminemia, and hyponatremia predict progression to advanced liver fibrosis following LT. Patients with these risk factors should be serially monitored using noninvasive fibrosis biomarkers and prioritized for interventions.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».