Severity and Outcome of Acute-on-Chronic Liver Failure is Dependent on the Etiology of Acute Hepatic Insults
Notice bibliographique
Résumé
BACKGROUND: Acute-on-chronic liver failure (ACLF) may be precipitated by various hepatic insults. The present study evaluated the outcomes of ACLF with different acute insults. PATIENTS AND METHODS: A total of 368 ACLF patients were included. Data collected included etiologies of acute hepatic insult and underlying chronic liver disease, and organ failure. Model for end-stage liver disease (MELD), chronic liver failure consortium (CLIF)-C ACLF, and acute physiology and chronic health evaluation (APACHE) II scores were calculated. Predictors of survival were assessed by the Cox proportional hazard model. RESULTS: The most frequent acute insult was active alcohol consumption [150 (40.8%) patients], followed by hepatitis B virus (HBV) [71 (19.3%) patients], hepatitis E virus (HEV) superinfection [45 (12.2%) patients], autoimmune hepatitis flare [17 (4.6%) patients], antituberculosis drugs [16 (4.3%) patients], and hepatitis A virus superinfection [2 (0.5%) patients]; 67 (18.2%) cases were cryptogenic. Alcohol-ACLF and cryptogenic-ACLF were more severe. Median CLIF-C, MELD, and APACHE II scores in alcohol-ACLF and cryptogenic-ACLF were significantly higher than those in HBV-ACLF and HEV-ACLF (CLIF-C: 47.1, 47.4 vs. 42.9, 42.0, P=0.002; MELD: 29, 29.9 vs. 28.9, 25.2, P=0.02; APACHE II: 16.5, 18.0 vs. 12, 14, P<0.001, respectively). Frequencies of kidney and brain failures were also higher in alcohol/cryptogenic-ACLF than in HBV/HEV-ACLF (kidney failure: 35.3%/34.3% vs. 23.9%/11.1%, P=0.009; brain failure: 26.0%/22.4% vs. 15.5%/4.4%, P=0.01, respectively). Mortality in the alcohol-ACLF group was the highest (64.0%), followed by that in the cryptogenic-ACLF (62.7%), HBV-ACLF (45.1%), and HEV-ACLF (17.8%) groups (P<0.001). In multivariable analysis, alcohol-ACLF had significantly higher mortality compared with HEV-ACLF (hazard ratio, 3.06; 95% confidence interval, 1.10-8.49, P=0.03). CONCLUSIONS: Alcohol/cryptogenic-ACLF had more severe phenotypic presentation, more incidence of organ failures, and higher mortality compared with HEV/HBV-ACLF. Alcohol-ACLF had the highest mortality, whereas HEV-ACLF had the best survival.
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 | 0,000 |
| 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 | 0,001 |
| 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 ».